公开(公告)号：CN109450526A

公开(公告)日：2019-03-08

申请号：CN201811538903.X

申请日：2018-12-14

Applicant: 重庆邮电大学

Inventor： 张鸿 ,  王汝言 ,  吴大鹏 ,  王青青

IPC: H04B10/032 ,  H04B10/038

Abstract: 本发明请求保护一种基于远端节点保护倒换的故障保护方法，涉及光无线融合接入网中的故障保护方法。本发明针对网络发生故障后，中断业务恢复时延大的问题，提出在不同分段的远端节点间部署备用光纤，同时提出了一种带有保护倒换功能的远端节点结构，以实现中断业务的保护倒换。当网络中某个分段发生故障后，通过RN的保护倒换功能，故障分段的中断业务将被快速地传输到正常分段中。本发明可以避免在业务恢复过程中的网络拥塞，极大减小业务的恢复时延。

公开(公告)号：CN107222404A

公开(公告)日：2017-09-29

申请号：CN201710547442.1

申请日：2017-07-06

Applicant: 重庆邮电大学

Inventor： 张鸿 ,  王汝言 ,  吴光锴 ,  杨衍

IPC: H04L12/709 ,  H04L12/721 ,  H04L12/727 ,  H04L1/18 ,  H04B10/032

Abstract: 本发明涉及一种带有冗余编码的并行路径转发方法，属于光无线融合网络通信技术领域。本发明针对现有WOBAN生存性保障方法业务数据丢失大，恢复成本高的问题，提出一种带有冗余编码的并行路径转发方法。本发明通过对原始业务数据包进行冗余编码并联合并行路径转发，在数据包转发过程中容忍配线光纤、ONU、无线节点和无线链路等故障。任意一条路径中的网路设备发生故障后，目的节点只需从其他路径接收足够的编码包即可恢复出原始数据，无需从新寻找路由，实现了快速无损的业务恢复。本发明在数据无损恢复的基础上降低了业务恢复成本，同时提升了业务恢复的速度。

公开(公告)号：CN106792284A

公开(公告)日：2017-05-31

申请号：CN201611213156.3

申请日：2016-12-23

Applicant: 重庆邮电大学

Inventor： 王汝言 ,  梁阿磊 ,  吴大鹏 ,  张鸿

IPC: H04Q11/00

Abstract: 本发明涉及一种带有自适应网关选取的低能耗网络设计方法。现有的基于ONU休眠的节能机制未能在节能效率和数据包时延之间做个很好的权衡，不能根据不同服务等级来调整ONU的休眠时间，也没有同时结合光与无线两种网络来确定ONU的最佳休眠时间。因此，本发明为了提高网络的节能效率，同时让数据包满足时延要求，在计算ONU的最佳休眠时间时，充分考虑了数据包的不同服务等级。同时，对光网络的时延就行了分析。基于数据包的时延要求和光与无线网络的时延，得到ONU的最佳休眠时间。另外，针对ONU休眠导致下行数据包时延增加的问题，采用了自适应网关选取策略。本发明所提出的设计方法能够在满足数据包时延要求的同时，有效降低网络的能耗。

公开(公告)号：CN105792338A

公开(公告)日：2016-07-20

申请号：CN201610118038.8

申请日：2016-03-02

Applicant: 重庆邮电大学

Inventor： 王汝言 ,  刘侃岭 ,  张鸿 ,  吴大鹏

IPC: H04W52/02

CPC classification number: Y02D70/20 ,  H04W52/0251 ,  H04W52/0258

Abstract: 本发明涉及一种基于节点相关性及ONU模块化休眠的低能耗网络设计方法，属于光无线混合网络通信技术领域。该方法针对现有基于节点休眠的节能机制未能有效降低网络能耗的问题，通过判定ONU当前工作负载大小以及休眠ONU与无线路由器间相关性大小，以前端mesh网为基础进行负载转移使节点进入休眠状态，并结合DBA算法中ONU的模块化休眠技术进一步降低整个网络的能耗。本方法能够在有效降低整个融合网络能耗的基础上，满足用户的接入需求及网络的连通性要求，同时对网络数据包时延不会产生显著影响。

公开(公告)号：CN119888811A

公开(公告)日：2025-04-25

申请号：CN202411913260.8

申请日：2024-12-24

Applicant: 重庆邮电大学

Inventor： 张普宁 ,  张宏彬 ,  杨志刚 ,  张鸿 ,  王汝言

IPC: G06V40/16 ,  G06V20/40 ,  G06V10/80 ,  G06V10/764 ,  G06V20/59 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/084 ,  G10L15/26 ,  G06F18/213 ,  G06F18/25

Abstract: 本发明涉及一种个性感知的驾驶员多模态情绪识别方法，属于车联网技术领域，包括以下步骤：S1：采集驾驶员视觉、音频和文本数据并进行显性三模态特征提取；S2：对三模态数据进行隐性个性化特征提取；S3：将驾驶员的显性三模态特征和个性化特征进行融合；S4：对情绪进行分类。本发明实现了高效准确识别车联网中驾驶员的驾驶情绪。

公开(公告)号：CN119884415A

公开(公告)日：2025-04-25

申请号：CN202411948775.1

申请日：2024-12-27

Applicant: 重庆邮电大学

Inventor： 张普宁 ,  郝壬甲 ,  杨静 ,  杨志刚 ,  王汝言 ,  张鸿

IPC: G06F16/783 ,  G06F40/30 ,  G06F18/22 ,  G06V10/74 ,  G06V20/40 ,  G06N3/0455 ,  G06N3/047

Abstract: 本发明涉及一种基于语义通信的智能网联汽车文本视频检索方法，属于智能网联汽车技术领域。该方法融合车辆终端、边缘服务器和云服务器，包括以下步骤：在车辆终端通过多语义交互编码器模块处理用户发起的搜索请求，并提取语义信息；将提取语义信息编码为符号流传输边缘服务器，由其解码恢复语义信息；在云服务器对其数据库中的视频进行语义信息提取，并将视频语义信息传输至边缘服务器；由边缘服务器将文本语义信息与视觉特征信息嵌入至相同维度进行相似度计算，完成细粒度匹配，并将匹配结果返回至车辆终端。本发明利用历史请求提高搜索请求的语义恢复精度，并为视频语义和文本语义中的词项赋予差异化的权重，提高了文本视频检索精度。

公开(公告)号：CN119863438A

公开(公告)日：2025-04-22

申请号：CN202411924348.X

申请日：2024-12-25

Applicant: 重庆邮电大学

Inventor： 吴大鹏 ,  林畅 ,  张普宁 ,  杨志刚 ,  王汝言 ,  张鸿

IPC: G06T7/00 ,  G06T5/70 ,  G06T5/60 ,  G06V10/774 ,  G06V10/54 ,  G06V10/52 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/09

Abstract: 本发明涉及一种基于编解码器架构的工业异常检测方法，属于工业异常检测领域。首先使用图像处理算法将二维柏林噪声添加至MVTec数据集中的图像，从而引入人工模拟的异常得到缺陷样本图像，缓解了监督学习只能使用正常样本的不足。同时，引入语义通信思想，基于语义通信设计考虑工业异常检测任务特征的图像语义传输模型。此外，为了更有效地利用输入图像中的信息，设计了基于编码器‑解码器架构的多尺度特征融合模块，缓解了图像异常区域与正常区域面积不均衡的问题。本发明的异常识别种类多，检测精度高，可用于工业品瑕疵检测、医疗辅助诊断、视频违规行为检测。

公开(公告)号：CN119577648A

公开(公告)日：2025-03-07

申请号：CN202411644141.7

申请日：2024-11-18

Applicant: 重庆邮电大学

Inventor： 吴大鹏 ,  魏海超 ,  王汝言 ,  张鸿 ,  张若英 ,  邹虹

IPC: G06F18/2433 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及一种多因素融合的物联网离群数据识别方法，属于物联网技术领域，包括确定识别的目标因素，并融合与其相关联的多种影响因素，获取对应的历史数据并进行预处理；对具体指标进行相关性分析，选择对目标因素有显著影响的指标数据，形成最终的有效指标组合；构建LSTM结合特征注意力机制的预测模型，利用相关性分析筛选后的数据进行预测，输出未来一段时间的预测值，通过反归一化获得实际预测值；采用预测模型，融合多因素综合分析的离群数据识别方法，使用孤立森林算法建模，将预测残差和影响因子作为输入特征，计算每个数据点的异常分数；基于异常分数的分布，采用滑动窗口技术动态设置阈值，将超出阈值的数据点判定为离群数据。

公开(公告)号：CN119577373A

公开(公告)日：2025-03-07

申请号：CN202411644116.9

申请日：2024-11-18

Applicant: 重庆邮电大学

Inventor： 吴大鹏 ,  魏子然 ,  王汝言 ,  张鸿

IPC: G06F18/20 ,  G06N3/0442 ,  G06N3/08 ,  G06N3/006 ,  G16Y40/00

Abstract: 本发明涉及一种基于深度学习的物联网感知数据预测方法，属于物联网技术领域。该方法包括：获取物联网感知长期数据并进行预处理，根据物联网数据具有季节性的特点，使用STL方法对时间序列数据进行分解，提取周期性、趋势性和残差特征。从位置更新策略以及预防陷入局部最优的角度对鲸鱼算法进行改进，采用改进后的鲸鱼优化算法对双向长短期记忆网络模型的超参数进行优化；利用优化后的BiLSTM模型进行物联网感知数据预测。本发明能够高效预测物联网感知数据的未来趋势，适用于流量监测、智能环境感知等场景，为物联网应用提供了可靠的决策支持。

公开(公告)号：CN119479675A

公开(公告)日：2025-02-18

申请号：CN202411644128.1

申请日：2024-11-18

Applicant: 重庆邮电大学

Inventor： 王汝言 ,  孙嘉龙 ,  吴大鹏 ,  张鸿

IPC: G10L21/0208 ,  G10L25/30 ,  H04L67/12 ,  G06N3/094

Abstract: 本发明涉及一种基于生成对抗网络的目标信号增强方法，属于信号处理技术领域，包括以下步骤：S1：使用训练集对生成对抗网络的生成器和鉴别器进行对抗训练，在训练过程中添加注意力机制和音频修复模块，得到训练后的目标信号增强模型；S2：使用训练后的目标信号增强模型对复杂信号样本进行识别、提取、去噪与修复处理，得到目标信号；S3：将训练好的目标信号增强模型进行模型剪枝与再训练，从而优化所述目标信号增强模型。本方法提高了复杂信号中目标信号处理的精度和效果，为复杂信号场景应用提供更实时可靠的信号数据处理能力。