-
公开(公告)号：CN103929281A
公开(公告)日：2014-07-16
申请号：CN201410131228.4
申请日：2014-04-02
Applicant: 同济大学
Abstract: 本发明涉及一种MIMO系统中基于向量自回归的贝叶斯压缩感知反馈方法，包括以下步骤：1)建立MIMO信道模型；2)建立VAR模型实现信道预测；3)运用贝叶斯压缩感知减少反馈速率。与现有技术相比，本发明通过引入VAR模型来描述邻接CSI的关系，并引入时空压缩为了减少信道大小的范围，并且减少信道向量的维度等优点。
-
公开(公告)号：CN119907023A
公开(公告)日：2025-04-29
申请号：CN202510084714.3
申请日：2025-01-20
Applicant: 同济大学
IPC: H04W24/02 , H04W4/02 , H04W4/42 , H04B17/373 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/0475
Abstract: 本发明属于通信技术、神经网络领域，提供了一种基于位置信息编码和周期非线性神经网络的车地无线信道预测方法，适用于车地无线通信系统的优化。其具体步骤如下：S1：采集列车的位置信息及无线信道实例，对采集到的信道实例进行位置编码，将信道实例映射到高维的傅里叶特征空间；S2：整合周期非线性神经网络，构建生成式深度神经网络，基于位置信息编码和周期非线性神经网络对信道实例进行学习和建模；S3：应用训练好的模型进行实时信道预测，支持无线通信系统的动态优化。本发明提高了车地无线信道预测的精度和效率，具有显著的技术优势。
-
公开(公告)号：CN119398835A
公开(公告)日：2025-02-07
申请号：CN202411454916.4
申请日：2024-10-17
Applicant: 同济大学
IPC: G06Q30/0202 , G06Q10/30 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及一种家电销售回收量闭环双网融合预测方法，包括以下步骤：S1：基于家电产品销售量和回收量之间的计量经济关系，构建闭环的销售回收融合预测网络；S2：基于家电产品的历史社会保有量，采用深度学习模型预测家电产品未来的社会保有量；S3：基于家电产品的历史销售量和历史回收量，采用斯坦福估计模型预测家电产品未来的回收量；S4：基于家电产品的历史社会保有量、预测的社会保有量和预测的回收量，采用卡内基梅隆模型预测家电产品未来的销售量。本发明提出的方法可以提高家电产品销售回收量的预测精度。
-
公开(公告)号：CN118433725A
公开(公告)日：2024-08-02
申请号：CN202410564071.8
申请日：2024-05-08
Applicant: 同济大学
IPC: H04W16/10 , H04B17/336 , H04B17/382
Abstract: 本发明中提出了一种高阶累积量辅助的连续宽频谱压缩感知方法。首先，构建信号的lp(0＜p＜1)范数最小化模型进行频谱信号重构，并通过迭代最小二乘法重构上一时刻的频谱信号；其次，将上一时刻重构频谱信号的四阶累积量作为先验知识与lp(0＜p＜1)范数最小化模型结合，求解得到当前的频谱信号；最后，利用能量检测法处理当前重构的频谱信号，得到对应的频谱使用状态，最终达到大幅改进系统的频谱判决性能的目的。本发明充分挖掘相邻时刻接收信号的高阶累积量的相关性，实现了高精度、低采样率的宽带频谱感知，发现更多的频谱空洞，提高认知无线电网络的频谱供给能力，为次要用户机会式接入空闲频段提供更多机会，提高频谱资源利用效率。
-
公开(公告)号：CN118096213A
公开(公告)日：2024-05-28
申请号：CN202410210507.3
申请日：2024-02-26
Applicant: 同济大学
IPC: G06Q30/0201 , G06Q10/30 , G06F18/2431 , G06N20/20
Abstract: 本发明涉及废旧家电回收技术领域，尤其涉及一种基于在线迁移成分分析的废旧家电回收成本评估系统。其特征在于，包括：输入层、在线TCA与随机森林训练层、预测层和分析层；所述输入层完成：对不同种类的家电进行分集；所述在线TCA与随机森林训练层包括在线TCA模块和随机森林训练模块；所述预测层用于进行在线迁移成本评估；利用在线TCA与随机森林训练层获得的随机森林模型处理映射后的目标域数据，得到的目标域数据回收成本结果；所述分析层结合ESG方法提供源域到目标域之间各类成本的占比分析，给出各类对比图形。本发明利用在线迁移技术，能够根据不同家电、地域、时间和条件实时优化回收系统，最大化资源利用，降低运营成本。
-
Patent Agency Ranking
公开(公告)号：CN117808522A
公开(公告)日：2024-04-02
申请号：CN202410021576.X
申请日：2024-01-06
Applicant: 同济大学
IPC: G06Q30/0202 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/096 , G06F18/213 , G06F18/211 , G06F18/21 , G06F123/02
Abstract: 一种基于信息交互和模型迁徙的家电产品双网融合方法，使用基于CNN‑LSTM结构与Attention机制结合的迁移学习网络，CNN‑LSTM结构用于对源域与目标域的特征进行提取，Attention机制用于优化提取到的特征以改善最终预测效果，迁移学习机制将源域特征与目标域特征的距离加入到自定义损失函数中，实现销售回收量的预测。本发明可以提高家电销售回收量预测的准确度，有助于制造商、销售商更好地规划生产和库存管理，以满足市场需求，优化资源配置，降低成本，提高客户满意度，从而增强企业竞争力，通过销售回收信息的高效交互实现家电回收再利用网络与销售服务网络相互融合。本发明还可应用于其他领域的销售回收量预测。
-
公开(公告)号：CN116466341A
公开(公告)日：2023-07-21
申请号：CN202310305342.3
申请日：2023-03-24
Applicant: 同济大学
Abstract: 本发明提出了一种基于智能反射面的运动目标追踪方法，首先利用运动目标的自身运动轨迹信息，构建目标的运动状态进化线性模型，可获得运动状态预测；其次基于单天线的发射接收系统模型，构建当前时刻包含多采样信号、时延和多普勒频偏的信号接收模型；再次基于当前时刻接收信号，利用拓展卡尔曼滤波或粒子滤波处理非线性接收信号，估计当前时刻的目标状态信息；最后根据拓展卡尔曼滤波/粒子滤波的当前状态估计和状态进化模型，预测下一时刻状态信息并提前对智能反射面相位进行调控，提高下一时刻目标状态估计精度，实现运动目标追踪。本发明可用于智能网联车通信和定位追踪，也可用于智能工厂内运动作业机器人的通信和定位追踪。
-
公开(公告)号：CN112085667B
公开(公告)日：2023-07-11
申请号：CN202010795777.7
申请日：2020-08-10
Applicant: 同济大学
Abstract: 本发明涉及一种基于伪模拟视频传输的去分块效应方法和装置，方法包括以下步骤：1)获取伪模拟视频传输过程中的含噪图片；2)对含噪图片依次进行块匹配和基于硬阈值滤波的变换域协同滤波，从而获取亮度调整后的含噪图片；3)对亮度调整后的含噪图片依次进行块匹配和基于硬阈值滤波的变换域协同滤波，从而获取基础估计后的含噪图片；4)对基础估计后的含噪图片进行块匹配，获取基础估计分组；根据该基础估计分组的坐标，从亮度调整后的含噪图片中提取出待处理分组；对该待处理分组进行基于维纳滤波的变换域协同滤波，从而获取最终图像。与现有技术相比，本发明实现了对伪模拟视频传输中分块效应的去除，提高了伪模拟视频传输的准确性。
-
公开(公告)号：CN115021844A
公开(公告)日：2022-09-06
申请号：CN202210601718.0
申请日：2022-05-30
Applicant: 同济大学
IPC: H04B17/382 , H04W16/22
Abstract: 本发明涉及一种基于低秩矩阵恢复和时间相关性的连续宽带压缩感知方法，包括以下步骤：在t‑1时刻，通过并行压缩采样的方式对频域信号进行压缩采样，获取多个压缩观测量，在利用低秩矩阵恢复模型求解出t‑1时刻的频谱矩阵；对t‑1时刻的频谱矩阵进行矩阵奇异值分解，得到优化后的先验知识，将该优化后的先验知识与低秩矩阵恢复模型结合，得到t时刻的频谱矩阵；以封闭解的形式推导出t时刻的频谱矩阵的重构误差的累积分布函数，从而指导压缩观测量的选择；根据频谱矩阵求解出t时刻的频谱信号，进而对频谱信号进行判决得到二进制频谱状态。与现有技术相比，本发明能够有效地减小了采样成本和恢复算法的计算量。
-
公开(公告)号：CN113784139A
公开(公告)日：2021-12-10
申请号：CN202110931090.6
申请日：2021-08-13
Applicant: 同济大学
IPC: H04N19/182 , H04N19/176 , H04N19/625
Abstract: 本发明涉及一种基于二维混沌编码的伪模拟信道编码方法和装置，具体包括以下步骤：S1、发送端获取需要传输的视频像素数据，对视频像素数据进行3D‑DCT操作，得到3D‑DCT系数并进行标准化处理；S2、3D‑DCT系数中的低频数据部分采用二维混沌编码进行编码保护，高频数据部分按照原始的SoftCast进行传输，并对其中需要传输的数据进行功率分配和白化操作后发送至接收端；S3、接收端根据接收的数据进行LLSE译码，再对编码的低频数据部分使用二维混沌译码进行数据恢复，根据译码得到的3D‑DCT系数进行逆DCT操作，然后根据视频像素数据中每个像素块的顺序进行排列得到重建视频。与现有技术相比，本发明具有在低信噪比的情况下显著提高提高对带宽的利用能力等优点。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.021 seconds)
