-
公开(公告)号：CN103117964B
公开(公告)日：2018-06-05
申请号：CN201310007708.5
申请日：2013-01-09
Applicant: 北京邮电大学
Abstract: 本发明针对60GHz毫米波非线性通信系统提出一种新信号检测方案，该方案基于贝叶斯统计推理机制，可同时有效解决系统非线性畸变及频率选择性多径衰落问题，实现对信道增益以及信源信号进行联合盲估计。本发明设计一种应用于非线性系统的重要性函数，从而克服了非线性特性对于传统贝叶斯方法的限制；进一步基于蒙特卡洛序贯重要性采样MC‑SIS思想，通过一系列具有权重的离散粒子逼近实际概率密度分布函数(PDF)；最后利用粒子滤波技术实现对码元信号的实时估计与多径信道迭代更新(见附图)。本发明可应用于非线性系统的信号检测，极大提高了系统传输性能。该方法无需训练序列，同时亦可实现信号实时估计与检测。
-
公开(公告)号：CN107886500A
公开(公告)日：2018-04-06
申请号：CN201710954943.1
申请日：2017-10-13
Applicant: 北京邮电大学
CPC classification number: G06T7/0008 , G06N99/005 , G06T5/002 , G06T7/11 , G06T2207/20081 , G06T2207/30124 , G06T2207/30232
Abstract: 本发明提供一种基于机器视觉和机器学习的产品生产监控方法及系统，所述方法包括：对待检测产品的图像进行特征提取，得到所述待检测产品的图像特征；若能根据所述图像特征利用预设的机器学习模型确定所述待检测产品的缺陷种类，则根据所述缺陷种类向受控设备发送控制指令，以指示所述受控设备执行所述控制指令。本发明提供的基于机器视觉和机器学习的产品生产监控方法及系统，当提取到待检测产品的图像中的图像特征后，利用预设的机器学习模型确定待检测产品的缺陷种类，根据该缺陷种类向受控设备发送控制指令，来达到消除产品缺陷的目的，整个过程实现全自动化，提高了产品生产的效率。
-
公开(公告)号：CN103117817B
公开(公告)日：2018-02-02
申请号：CN201310007794.X
申请日：2013-01-09
Applicant: 北京邮电大学
IPC: H04B17/391 , H04B17/382
Abstract: 本发明提出一种时变衰落信道下下频谱感知算法，设计一种动态状态空间模型来描述授权用户状态与时变信道增益的时变特性，将授权用户工作状态和衰落信道增益看作两个隐藏系统状态，并引入一阶FSMC模型刻画时变慢衰落信道增益时变迁移特性，将接收信号能量累积和作为系统观测值；在此基础上，针对时变衰落信道提出一种全新频谱感知方法，充分发掘授权用户状态先验概率以及衰落信道状态转移特性，对授权用户状态和时变信道增益实施联合估计，极大提高了衰落信道下频谱感知性能，在无需实施复杂多节点协作感知的情况下，亦能获得良好检测性能(见附图)。该方案以累计能量作为观测量，新方法同时亦保留了无需授权用户信号特征及检测时间短的优势。
-
公开(公告)号：CN104333424B
公开(公告)日：2018-01-05
申请号：CN201410549873.8
申请日：2014-10-16
Applicant: 北京邮电大学
IPC: H04B17/20
Abstract: 本发明针对实际应用中噪声方差动态未知情况下的频谱检测问题，首先提出一种动态状态空间系统模型反映其内在机理：将授权用户状态与时变噪声方差作为两个隐藏状态，分别采用两状态一阶马尔科夫和自回归模型对其动态迁移特性建模。在此基础上，设计提出一种新型频谱感知方法装置。该方法根植于贝叶斯统计推理理论，采用边缘化粒子滤波技术(见附图)，能够实现对授权用户与噪声方差的联合估计。特别地，本发明提出边缘化粒子滤波两级自适应预测系数调整方法，充分利用噪声方差时变特性，可实现对于噪声方差的准确跟踪。利用得到的噪声方差信息，该算法装置可拓展应用至(但不限于)单节点单天线感知系统中去，并获得良好频谱感知性能。
-
公开(公告)号：CN107509253A
公开(公告)日：2017-12-22
申请号：CN201710828805.9
申请日：2017-09-14
Applicant: 北京邮电大学
IPC: H04W74/08
CPC classification number: H04W74/0825 , H04W74/085
Abstract: 本发明提供一种信道频谱接入方法及装置，属于通信技术领域。所述方法包括：根据当前时隙下接入每个信道频段的接入概率，选择一个信道频段；当检测到信道频段上已接入PU时，根据PU的动态位置信息，计算当前时隙下任一SU在传输方向上对PU的干扰系数；当干扰系数小于预设干扰系数阈值时，计算任一SU接入所述信道频段所产生的信噪比；当信噪比大于预设信噪比阈值时，确定任一SU已接入所述信道频段。本发明通过在检测到信道频段上已接入PU时，根据PU的动态位置信息，指导SU接入信道频段。由于可以在PU已接入信道频段的情形下，根据SU对PU的干扰程度，来选择性地让SU接入信道频段，从而扩大了信道频段接入的用户数量，进而提高了信道频段的利用率。
-
Patent Agency Ranking
公开(公告)号：CN104168075B
公开(公告)日：2017-06-23
申请号：CN201410432678.7
申请日：2014-08-28
Applicant: 北京邮电大学
IPC: H04B17/382
Abstract: 本发明针对实际应用中噪声方差未知情况下的频谱检测问题，设计了一种新型频谱感知方法装置。该方法装置能实现对授权用户状态与噪声方差的联合估计。感知算法根植于贝叶斯统计推理理论，并采用边缘化粒子滤波(Mariginal Particle Filtering,MPF)技术，通过迭代估计的方式来逼近未知噪声方差。利用准确估计得到的噪声方差信息，该算法装置可方便地拓展应用至(但不限于)单节点单天线感知系统中去，并获得良好频谱感知性能(见附图)。本发明提出的联合估计与检测装置具有优良的稳健性，因而可广泛应用于实际认知无线电系统设计中。
-
公开(公告)号：CN106385274A
公开(公告)日：2017-02-08
申请号：CN201610811493.6
申请日：2016-09-08
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种大规模MIMO系统中导频分配的方法及装置，方法包括：将蜂窝移动网络中的小区划分为三个或者四个小区分组，使蜂窝移动网络中的相邻小区分别属于不同的小区分组；获取待处理的当前小区；根据当前小区中各用户的信道质量，对当前小区中的用户进行排序，得到排序后的用户列表；根据当前小区中各用户受到的导频干扰量，对当前小区中各用户分别使用的导频序列进行排序，得到排序后的导频序列列表；按照预设的分配规则，将导频序列列表中的各导频序列分别重新分配给用户列表中的各用户。应用本发明实施例既能消除不同组小区之间的导频污染，又能进一步减少同组小区之间的导频污染，提升大规模MIMO系统的通信性能。
-
公开(公告)号：CN104852874A
公开(公告)日：2015-08-19
申请号：CN201510007053.0
申请日：2015-01-07
Applicant: 北京邮电大学
IPC: H04L25/02
Abstract: 本发明提出了一种时变衰落信道下的自适应调制识别方法装置，区别于现有的静态系统模型，设计出一种新的动态状态空间模型来描述信号调制方式与时变信道增益的时变特性，将信号调制方式和衰落信道增益看作两个隐藏系统状态，并引入一阶FSMC模型刻画时变慢衰落信道增益时变迁移特性，将特定时间窗内采样信号的似然函数作为系统观测值；在此基础上，针对时变衰落信道提出一种全新的自适应调制识别方法，充分发掘信道状态动态转移特性，对调制方式和时变信道增益实施联合估计，极大地提高了时变衰落信道下调制识别性能。该方案采用贝叶斯序贯推理法，新方法具有复杂度低及检测时间短的优势。
-
公开(公告)号：CN104320222A
公开(公告)日：2015-01-28
申请号：CN201410613737.0
申请日：2014-11-04
Applicant: 北京邮电大学
CPC classification number: H04L1/0618 , H04B7/0456
Abstract: 本发明设计了一种针对60GHz毫米波通信系统的空间调制方法，在此技术上进一步提出了一种高效的联合编码调制技术，显著提升了非线性射频功率放大器下的传输性能；通过对空间调制码的相位进行旋转优化，按照特定规则修正空间调制输出符号的星座点分布，有效增强了毫米波传输信号抵抗非线性失真的能力。相比于现有的应对毫米波非线性失真技术(主要分为功率回退和外围电路设计两个方面)，该联合编码空间调制方案能在不降低功放系统的增益，且无需任何额外处理的情况下，有效改善存在射频器件减损情况下的毫米波系统传输性能，同时也进一步提升毫米波无线通信的传输效率，为毫米波通信提供了一种极具应用潜力的新方案。本发明提出的针对60GHz毫米波通信系统空间调制方法具有优良的稳健性，因而可广泛的应用于实际毫米波通信系统设计中。
-
公开(公告)号：CN103227761A
公开(公告)日：2013-07-31
申请号：CN201310196377.4
申请日：2013-05-24
Applicant: 北京邮电大学
Abstract: 本发明提出了一种多径非高斯噪声信道的信道估计算法，设计了一种联合训练序列数据和观测数据的经验似然估计方法。首先，在信号接收端得到通过非高斯多径信道的观测数据，结合训练序列数据生成辅助变量；其次，依据Owen提出的经验似然理论，把估计问题转为非参数问题，即利用辅助变量生成一定限制条件下的非参数经验似然变量，采用拉格朗日法求解似然变量；最后，通过牛顿迭代算法获得不同信道估计值对应的经验似然值，取最大经验似然值对应的信道估计值即可。以混合加性高斯白噪声和脉冲噪声为例的多径信道估计的MSE和BER效果均很好。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.03 seconds)
