-
公开(公告)号：CN108632862A
公开(公告)日：2018-10-09
申请号：CN201810343313.5
申请日：2018-04-17
Applicant: 浙江工业大学
Abstract: 一种基于深度确定性策略梯度方法的移动边缘计算分流决策方法，包括以下步骤：1)计算出在给出分流决策下系统中所有的能量损耗；2)通过深度确定性策略方法来寻找一个最优的分流决策xnm，所有用户的分流决策xnm都被编进执行单元所需的状态xt；3)所有无线设备的分流决策xnm作为深度确定性策略方法的状态xt，动作a则是对状态xt的更改，更改后系统的总能量损耗会与一个设定的标准值进行比较，如果比这个标准值大则使当前奖励r(xt，a)设为正值，反之设为负值，同时系统进入下一状态xt+1，不断重复这个迭代过程直到得到最佳分流决策xnm。本发明在保证用户体验的前提下最小化能量损耗。
-
公开(公告)号：CN107949042A
公开(公告)日：2018-04-20
申请号：CN201711088190.7
申请日：2017-11-08
Applicant: 浙江工业大学
CPC classification number: Y02D70/00 , H04W52/0219 , H04W52/36 , H04W84/18
Abstract: 一种适用于能量采集型无线传感网络的低存储自适应传输调度方法，包括以下步骤：1)在由一对发射机和接收机组成的时隙能量收集通信系统中，根据数据和能量定义出系统状态；2)为传输调度策略解出能量采集传输系统的期望收益；3)计算系统状态为(1,j)的期望收益差Δ(1,j)；4)计算系统状态为(i,1)的期望收益差Δ(i,1)；5)对于每一个收益阈值vth(i,j)计算相应的期望收益差 和 得到最佳阈值 本发明通过安排数据传输和管理已获得的能量最大化了长期平均传输收益，保证了无线传感器网络中的传输可靠性。
-
公开(公告)号：CN107872270A
公开(公告)日：2018-04-03
申请号：CN201710919230.1
申请日：2017-09-30
Applicant: 浙江工业大学
IPC: H04B7/155 , H04B17/336 , H04W40/22
Abstract: 一种在瑞利衰落信道中的基于最优阈值传输调度的中继节点选择方法，包括以下步骤：1)计算各信道次排序后的信道概率密度函数和累积概率密度函数；2)每个中继节点感知信道信息当前时隙衰落信息，中继节点转发信息所需要的能量以及自身储能并计算平均传输速率通知源节点；3)中继节点依据信道信息以及转发所需要满足的能量条件确定每条链路建立的最小中断概率并通知源节点，源节点依据链路建立中断概率以及中继节点自身储能所提供的转发功率，确定所有符合条件的中继节点；4)在所有符合条件中选择出期望传输速率最大的节点，作为最优中继节点。本发明在瑞利衰落信道中源节点发射功率恒定时，端到端节点选择中继节点以最大期望传输速率传输。
-
公开(公告)号：CN107659967A
公开(公告)日：2018-02-02
申请号：CN201710740300.7
申请日：2017-08-25
Applicant: 浙江工业大学
IPC: H04W28/06
CPC classification number: H04W28/06
Abstract: 一种集能型无线中继网络吞吐量最大化的可再生能量优化方法，包括以下步骤：1)集能型无线中继网络中通过可再生能量优化管理实现最大吞吐量，其中，优化问题描述为一个多变量优化；2)由于凸优化性质，解决问题P1分解为两个子优化问题：功率子优化和时隙子优化；针对功率子优化，采用规范凸优化算法(内点法)来优化变量pi；针对时隙子优化，采用预测子梯度法来优化变量 本发明提供一种在集能型无线中继网络中通过联合时间调度和功率分配实现以最大吞吐量最大化系统效益的可再生能量优化方法。
-
公开(公告)号：CN106792742A
公开(公告)日：2017-05-31
申请号：CN201611080748.2
申请日：2016-11-30
Applicant: 浙江工业大学
Abstract: 一种基于集合最大流算法的WSN栅栏修复方法，包括：步骤1，栅栏间隙：根据已知位置节点计算可得到栅栏间隙集合；步骤2，栅栏修复：2.1)确定可修复间隙的数量：以间隙集合为输入，进行分段修复；2.2)算法复杂度较低：采用基于集合的最大流算能够在保证结果准确的条件下大幅度降低算法的复杂度；2.3)间隙修复方法：利用移动节点修复栅栏的间隙，并且使得移动节点的移动距离最小。采用基于集合的最大流算法计算出能修复间隙的数量并且具有较高的效率，然后利用移动节点修复栅栏，修复过程中移动节点的总移动距离最短，大大加强了栅栏的生存能力。
-
Patent Agency Ranking
公开(公告)号：CN119534832A
公开(公告)日：2025-02-28
申请号：CN202411692040.7
申请日：2024-11-25
Applicant: 浙江工业大学
IPC: G01N33/531 , B01J20/26 , B01J20/28 , B01J20/30 , G01N33/543 , G01N21/76
Abstract: 本发明公开了一种高热稳定性的夹心型免疫磁珠的制备方法，以聚苯乙烯微球为模板，通过溶胀法将油相Fe3O4纳米颗粒导入进聚苯乙烯微珠，之后利用正辛基三甲氧基硅烷OTMS在微球组装体表面发生水解缩合反应，接着利用正硅酸乙酯TEOS水解生长二氧化硅薄层，实现最外层有机壳层的包覆，再进行表面氨基化修饰之后，由1,4‑丁二醇二缩水甘油醚与赤藓糖醇在其表面交联成环氧聚合物层，得到外层引入一层交联环氧聚合物层的夹心型免疫磁珠。本发明磁珠表面的环氧基修饰流程，采用直接交联修饰工艺，不仅简化操作步骤，还确保所得环氧基磁珠展现出优异的生物相容性。此外，该方法省去官能团活化的繁琐过程，允许直接与抗体进行偶联，从而大幅提升了实验的效率和便捷性。
-
公开(公告)号：CN118296302A
公开(公告)日：2024-07-05
申请号：CN202410540600.0
申请日：2024-04-30
Applicant: 浙江工业大学
IPC: G06F18/10 , G06F18/24 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06F18/213 , G06N3/08
Abstract: 本发明公开了一种基于扩散模型的电磁信号调制分类方法和装置，首先获取电磁信号数据集，进行旋转与翻转操作，得到第一数据集；然后将第一数据集中每个样本复制为至少两份，得到第二数据集，然后将第二数据集中每份样本随机选择一段连续的序列作为掩码段，其余部分作为非掩码段，利用标准高斯分布将掩码段转化为随机纯噪声，得到掩码数据集；构建去噪扩散模型，采用第二数据集训练，利用训练好的去噪扩散模型，对掩码数据集中样本进行去噪，得到增强数据集。最后采用增强数据集训练自动调制识别模型，对待检测电磁信号进行检测。本发明利用去噪扩散模型以实现数据的重构来增强数据集，更好地解决了数据集不充分，模型泛化能力弱的问题。
-
公开(公告)号：CN116590019B
公开(公告)日：2024-04-30
申请号：CN202310491234.X
申请日：2023-05-05
Applicant: 浙江工业大学
IPC: G01N33/543 , G01N33/569 , G01N33/533 , B82Y30/00 , G01N21/64 , C09K11/88
Abstract: 本发明公开了一种颜色可调与窄发光的片状纳米晶、其可控组装结构及试纸条和应用，所述片状纳米晶包括绿色和/或黄色型片状纳米晶以及红色型片状纳米晶，它们均为核‑缓冲层‑壳型片状纳米结构。本发明所述可控组装过程包括以将开放的树枝状二氧化硅三维孔道模板化实现疏水片状纳米颗粒基元的深层次包埋、逐步表面极性转换修饰策略，以实现其水溶性化及高效、稳定发光，拓展其生物医学应用。本发明提供了一种基于片状纳米晶‑树枝状二氧化硅球结构的探针的荧光免疫层析应用，其检测结果可以被裸眼可视化识别信号、通过手机拍照实现低浓度快捷定量，可在检测对象浓度区间内拥有更多裸眼可分辨的荧光颜色。
-
公开(公告)号：CN114615261B
公开(公告)日：2024-03-26
申请号：CN202210087830.7
申请日：2022-01-25
Applicant: 浙江工业大学
IPC: H04L67/10 , G06N3/0464 , G06N3/08 , H02J50/00 , H02J50/80
Abstract: 本发明公开了一种基于神经网络的无线供能边缘计算网络的任务卸载方法，构建以无线设备信道增益为输入、供能时长比例为输出的全连接神经网络模型，将当前无线设备信道增益输入到训练好的所述全连接神经网络模型，得到供能时长比例，进而确定供能时长。然后在确定的供能时长情况下，通过最大化所有无线设备的总计算速率，得到每个无线设备任务卸载通信时长和所占用的能量分配比例，进而配置无线供能边缘计算网络按照所得到的任务卸载通信时长和任务卸载通信所占用的能量分配比例进行工作。本发明决策出部分卸载的能量分配和时间分配方案，同时也得到较高的网络计算速率。
-
公开(公告)号：CN113537025B
公开(公告)日：2024-03-22
申请号：CN202110774346.7
申请日：2021-07-08
Applicant: 浙江工业大学
IPC: G06F18/10 , G06N3/0464 , G06N3/0895
Abstract: 一种基于自监督学习的电磁调制信号深度去噪方法及系统，包括：S1，使用GNU Radio软件生成数据集；S2，使用了下采样方法将一个信号数据分为两个短信号数据；S3，构建深度去噪网络模型，并定义损失函数，利用生成的两组数据作为输入信号和目标信号进行训练；S4，输出去噪信号。方法中提及的下采样方法将一个信号分为了两个相似信号，保留了信号本身的特征，又区分了其中的噪声分布，使得仅含有噪声信号就可以训练去噪网络。本发明还包括一种基于自监督学习的电磁调制信号去噪系统，由依次连接的数据发送模块、数据接收模块和去噪模块组成。本发明不需要干净信号就能进行去噪，能够自适应学习信号特性，且具有较好的普适性。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.027 seconds)
