-
公开(公告)号：CN103916344B
公开(公告)日：2017-03-08
申请号：CN201410082022.7
申请日：2014-03-07
Applicant: 南京邮电大学
Abstract: 本发明公开了无线传感网虚拟多输入多输出系统信号盲检测方法，所述方法利用无线传感器网传感器高密度分布的特点，在无线传感器网进行分簇处理的基础上，构造了一种虚拟MIMO系统盲检测模型，引入hopfield神经网络，采用多用户的Hopfield盲检测算法，实现无线传感网的接收端对簇间的簇首信号盲检测；然后将单用户的Hopfield盲检测算法，用于簇内各传感器节点信号盲检测。本发明方法在低信噪比，短数据的环境下，成功实现了盲检测，性能较好，为无线传感网提供了一种高速、低复杂度的信号盲检测方法。
-
公开(公告)号：CN106100789A
公开(公告)日：2016-11-09
申请号：CN201610414115.4
申请日：2016-06-13
Applicant: 南京邮电大学
CPC classification number: H04L1/0038 , H04L25/03305 , H04L25/0391 , H04L2025/03426
Abstract: 本发明提出了基于分簇的多层MIMO无线传感器网络盲检测方法。所述方法包括两层MIMO，第一层为Sink节点负责的至少两个区域的智能传感器节点构成的MIMO，通过基于二阶统计量的盲检测实现了分层WSN中多区域MIMO信道中的信号恢复；第二层为Sink节点间的多跳构成的MIMO，结合基于混沌初始化的正反馈Hopfield神经网络CPFHNN盲检测算法，并引入信号空间删除法和连续信号干扰法来分离多发送天线的数据，进行Sink节点间的MIMO信道的信号检测，本发明方法提高了簇内传输系统的通信效率和可靠性，有效的减少了无线传感器网络的能耗。
-
公开(公告)号：CN104079379A
公开(公告)日：2014-10-01
申请号：CN201410311276.1
申请日：2014-07-01
Applicant: 南京邮电大学
IPC: H04L1/00
Abstract: 本发明提出了一种基于自适应相位旋转角量子蚁群的信号盲检测方法，所述方法将量子计算理论和进化计算理论融合进蚁群算法中，使每只蚂蚁携带一组表示蚂蚁当前位置信息的量子比特，首先根据基于信息素强度和可见度构造的选择概率，选择蚂蚁的前进目标，然后采用量子旋转门更新蚂蚁携带的量子比特，完成蚂蚁的移动；采用量子非门实现蚂蚁所在位置的变异，增加位置的多样性；将量子比特的两个概率幅都看作蚂蚁当前的位置信息，在蚂蚁数目相同时，可使搜索空间加倍。本发明信号盲检测方法的蚁群算法，能较好地解决蚁群算法在求解时易于陷入局部最优的问题，能够有效避免早熟现象，收敛速度更快，相同信噪比条件下信号盲检测的误码率更低。
-
公开(公告)号：CN102035610B
公开(公告)日：2014-07-16
申请号：CN201010589007.3
申请日：2010-12-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于初始状态向量控制的全反馈神经网络盲检测方法。在全反馈神经网络中使用该方法可有效加快算法的收敛速度，避开伪平衡点的吸引域，可一定程度提高算法检测性能。该方法通过接收信号矩阵的奇异值分解的值空间矩阵重构一个新矩阵，并计算该新矩阵的各列指标量最小的对应向量作为初始状态向量，并记录盲检测时的伪平衡点向量，进而从新矩阵中向量中寻找一组列向量，使得该基向量与伪平衡点间的欧氏距离大于伪平衡点吸引域半径，从而使得算法快速收敛。
-
-
Patent Agency Ranking
公开(公告)号：CN103152133A
公开(公告)日：2013-06-12
申请号：CN201310059495.0
申请日：2013-02-26
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于迟滞全反馈神经网络的信号盲检测方法，所述方法前后两次循环所用的迟滞激活函数正好构成一个迟滞环，既保证了网络的稳定性又使得网络表现出较好的灵活性，在全反馈神经网络中使用该方法有效避开了伪平衡点的吸引域，提高了盲检测性能；无论是在同步更新模式还是在异步更新模式下，本发明基于迟滞全反馈神经网络的信号盲检测方法的误码性能都优于传统的Hopfield信号盲检测算法。
-
公开(公告)号：CN102035769A
公开(公告)日：2011-04-27
申请号：CN201010556727.X
申请日：2010-11-24
Applicant: 南京邮电大学
Abstract: 本发明公开了基于复数离散全反馈神经网络的相移键控信号盲检测方法。该方法根据复数离散全反馈神经网络能量函数下降的原理，构造了能够直接检测相移键控信号的Hermitian权矩阵，使得MPSK信号集中的每个星座信号点都是Hopfield神经网络的一个稳定平衡点，从而实现MPSK信号的盲检测。本发明只需极短接收数据就可实现计算目标，能够适用于统计量无意义场合。搜索空间缩小，难度降低，搜索时间显著优于其他盲检测算法，系统性能得到了相应的提高。
-
公开(公告)号：CN109885682B
公开(公告)日：2022-08-16
申请号：CN201910071963.3
申请日：2019-01-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于FCBF的自定义特征维数文本特征选择算法，包括步骤：步骤一，初始化；步骤二，利用FCBF算法对特征词集合中的特征词进行进一步的筛选，得到初始特征词集合；步骤三，若初始特征词集合的维度小于设定的维度时，选择特征词与类别的相关性值排名靠前的特征去补足初始特征词集合直至其维度等于设定的特征维度；若初始特征词集合的维度刚好大于或等于设定的特征维度时，则初始特征词集合中即可获取到自定义特征维数的特征词。本发明对FCBF原始算法相关性计算公式进行改进，能够更加准确的选择文本特征，改进算法能够得到自定义的特征维度。
-
公开(公告)号：CN112861800B
公开(公告)日：2022-08-05
申请号：CN202110279121.4
申请日：2021-03-16
Applicant: 南京邮电大学
IPC: G06V30/412 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/762 , G06K9/62 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于改进的Faster R‑CNN模型的快递识别方法，旨在解决现有技术中缺少基于快递公司的快递分拣技术，而且破损或污染快递单难以准确识别的技术问题。其包括：利用基于k‑means++算法改进的RPN网络和基于候选框长宽比的双阈值‑非极大值抑制算法改进传统的Faster R‑CNN模型，然后利用训练好的改进的Faster R‑CNN模型处理待识别快递图像，获得快递标志识别结果。本发明能够根据快递公司进行快递识别和分拣，快递识别速度快，准确率高，且不容易漏检。
-
公开(公告)号：CN112910517B
公开(公告)日：2022-03-29
申请号：CN202110067128.X
申请日：2021-01-19
Applicant: 南京邮电大学
IPC: H04B7/0413 , H04B7/0456 , H04B17/391
Abstract: 本发明公开了一种基于低精度量化的MassiveMIMO中继系统下行链路模型构建方法，首先，将基站到中继的信道系数和中继到目的用户的信道建模成莱斯衰落模型；然后，对莱斯衰落模型下行链路的信号分为两个时隙依次进行处理，第一时隙是基站到中继的信号处理过程，第二时隙是中继到目的用户的信号处理过程；其次，根据用户的接收信号表达式以及香农公式推导真实可达总速率；最后，利用高阶统计量推导可达总速率的闭合表达式。本发明考虑在MassiveMIMO中继系统的下行链路过程中在基站到中继和中继到目的用户之间存在LOS路径的情况，使模型更符合实际的通信情况，并且解决了多天线所带来的高功耗问题。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.026 seconds)
