-
公开(公告)号：CN111093163B
公开(公告)日：2022-06-17
申请号：CN201911333553.8
申请日：2019-12-23
Applicant: 安徽大学
IPC: H04W4/30 , H04B17/309 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于信道状态信息的无源目标分类方法，该方法包括下列顺序的步骤：数据收集；数据预处理；神经网络训练；分类结果。本发明具有部署成本低，分类准确度高、无需手工提取特征且保护隐私的优点；通过使用较稳定的信道状态信息代替随时间变化波动较大的接收信号强度作为基信号，对于细粒度的身高分类而言，信道状态信息相较于接收信号强度指示值可以很好的反映目标身高的差异。
-
公开(公告)号：CN113078931B
公开(公告)日：2022-04-22
申请号：CN202110326125.3
申请日：2021-03-26
Applicant: 安徽大学
IPC: H04B7/0456
Abstract: 本发明提供一种基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法及系统，在传统的OMP算法用于毫米波大规模MIMO混合预编码的研究基础上，利用QGA算法模拟自然进化过程、快速搜索全局最优值的特点，搜索与残差内积相乘最大的阵列响应矢量，获得全局最优解的阵列响应向量，从而在发射端获得最优的基带预编码器和射频预编码器，消除了对已知候选矩阵的需求、降低了计算的复杂度；同时，QGA算法获得的全局最优解的阵列响应向量，使本发明的混合预编码性能接近于最优的全数字预编码，极大的提高了系统的频谱效益。
-
公开(公告)号：CN112910519B
公开(公告)日：2022-02-01
申请号：CN202110148109.X
申请日：2021-02-03
Applicant: 安徽大学
IPC: H04B7/0413 , H04W16/22 , H04W24/06
Abstract: 本发明涉及基于残差齐次化排序技术的大规模MIMO基站接收端信号恢复方法，与现有技术相比解决了MIMO信号恢复方法复杂度过高的缺陷。本发明包括以下步骤：MIMO系统上行链路基站的预处理；发送端信号的接收；信号数据的计算和处理；进行信号数据的恢复。本发明避免了矩阵求逆过程，有效降低了信号检测过程的计算复杂度，提高了信号检测的收敛速率，同时拥有较好的误码率性能。
-
公开(公告)号：CN110474716B
公开(公告)日：2021-09-14
申请号：CN201910746945.0
申请日：2019-08-14
Applicant: 安徽大学
Abstract: 本发明涉及一种基于降噪自编码器的SCMA编解码器模型的建立方法，包括：建立基于降噪自编码器与全连接神经网络的SCMA编码器，将用户的原始输入数据映射为码字；将每个资源块上的所有用户的码字叠加传输，再将每个资源块上的信号叠加信道噪声；在接收端建立基于全连接神经网络的SCMA解码器，解码出所有用户的原始输入数据；训练基于降噪自编码器的SCMA编解码器模型；测试上述基于降噪自编码器的SCMA编解码器模型的BER性能。相比较于传统的SCMA系统，本发明降低了编解码复杂度；相比较于现有的基于深度学习的SCMA系统模型，本发明进一步降低了误码率；相比较于现有的基于深度学习的SCMA系统模型，本发明具有更快的训练收敛速度。
-
公开(公告)号：CN113078931A
公开(公告)日：2021-07-06
申请号：CN202110326125.3
申请日：2021-03-26
Applicant: 安徽大学
IPC: H04B7/0456
Abstract: 本发明提供一种基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法及系统，在传统的OMP算法用于毫米波大规模MIMO混合预编码的研究基础上，利用QGA算法模拟自然进化过程、快速搜索全局最优值的特点，搜索与残差内积相乘最大的阵列响应矢量，获得全局最优解的阵列响应向量，从而在发射端获得最优的基带预编码器和射频预编码器，消除了对已知候选矩阵的需求、降低了计算的复杂度；同时，QGA算法获得的全局最优解的阵列响应向量，使本发明的混合预编码性能接近于最优的全数字预编码，极大的提高了系统的频谱效益。
-
Patent Agency Ranking
公开(公告)号：CN112910519A
公开(公告)日：2021-06-04
申请号：CN202110148109.X
申请日：2021-02-03
Applicant: 安徽大学
IPC: H04B7/0413 , H04W16/22 , H04W24/06
Abstract: 本发明涉及基于残差齐次化排序技术的大规模MIMO基站接收端信号恢复方法，与现有技术相比解决了MIMO信号恢复方法复杂度过高的缺陷。本发明包括以下步骤：MIMO系统上行链路基站的预处理；发送端信号的接收；信号数据的计算和处理；进行信号数据的恢复。本发明避免了矩阵求逆过程，有效降低了信号检测过程的计算复杂度，提高了信号检测的收敛速率，同时拥有较好的误码率性能。
-
公开(公告)号：CN115361077B
公开(公告)日：2024-12-06
申请号：CN202211046082.4
申请日：2022-08-30
Applicant: 安徽大学
IPC: H04B17/30 , H04W4/021 , H04W4/80 , G06F18/2413 , G06F18/214 , G06F18/213 , G06F123/02
Abstract: 本发明涉及一种轻微动作扰动场景下基于DTW距离KNN的区域内人员入侵探测方法，与现有技术相比解决了难以在轻微扰动环境下进行人员入侵探测的缺陷。本发明包括以下步骤：探测区域内wifi数据的收集；数据预处理；构建训练数据集、验证数据集与测试数据集；CSI时域特征的提取；区域内人员入侵的探测；测试数据集分类结果的获得。本发明通过提取不同人员状态下无线信号状态信息之间的幅值差作为CSI的时域特征，能更好的区分在轻微动作扰动场景下不同人员状态的探测区域内无线信号的信道状态。
-
公开(公告)号：CN117577128A
公开(公告)日：2024-02-20
申请号：CN202311630064.5
申请日：2023-11-28
Applicant: 安徽大学
IPC: G10L21/028 , G10L25/18 , G06F17/16
Abstract: 本发明基于高阶MUSIC正交联合约束的多通道声源分离方法，与现有技术相比解决了传统声压传感器在高斯噪声背景下分离效果急剧下降以及阵列孔径的相关问题上存在限制的缺陷。本发明包括以下步骤：多通道声源的获取；利用高阶MUSIC正交联合约束MNMF方法进行多通道声源分离处理；多通道声源分离信号的获得。本发明提出了高阶多重信号分类(MUSIC)正交联合约束的多通道非负矩阵分解算法，针对复杂环境中高斯噪声的干扰，通过高阶累计量的MUSIC算法，获得声音信号精确地方位信息，将声源信号方位信息引入到多通道非负矩阵模型中，为空间协方差矩阵提供了先验信息，提高了声音的分离效果。
-
公开(公告)号：CN111968669B
公开(公告)日：2024-02-20
申请号：CN202010738065.1
申请日：2020-07-28
Applicant: 安徽大学
IPC: G10L21/028 , G10L21/0308 , G10L25/30 , G06N3/09
Abstract: 本发明公开了一种多元混合声信号分离方法及装置，所述多元混合声信号分离方法至少包括：通过短时傅里叶变换，获得混合声信号和真实源信号的幅度谱和相位谱；通过生成器对所述混合声信号幅度谱进行训练，获得所述估计分离信号幅度谱；通过判别器对所述估计分离信号幅度谱与所述真实源信号幅度谱进行训练，并判断所述估计分离信号幅度谱是否为真实输出，若是，通过所述估计分离信号幅度谱与所述混合声信号相位谱，获得分离声信号，同时获得生成器优化函数对所述生成器进行优化直至到达最大迭代次数。本发明公开的多元混合声信号分离方法及装置提高了所述分离声信号的可懂度，且算法的泛化能力好，具有很强的抗干扰性。
-
公开(公告)号：CN113098571B
公开(公告)日：2022-03-01
申请号：CN202110330579.8
申请日：2021-03-23
Applicant: 安徽大学
IPC: H04B7/0413 , H04L25/03
Abstract: 本发明提供一种大规模MIMO系统信号检测方法、系统、基站及存储介质，所述检测方法包括对第一初始信号进行主动禁忌搜索检测，以获取初始估计向量；根据所述初始估计向量消除所述第一初始信号中的干扰信号，以获取第二初始信号；对所述第二初始信号进行消息传递检测以获取输出向量估计；根据所述输出向量估计对符号向量进行重构，以获取符号向量重构值；将所述符号向量重构值作为主动禁忌搜索的输入进行迭代操作，迭代结束后的最终的所述符号向量重构值作为检测结果输出。利用本发明，可以改善RTS算法在高阶调制下性能不佳的情况，且拥有更低的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.019 seconds)
