-
公开(公告)号：CN111970665B
公开(公告)日：2022-07-29
申请号：CN202010717922.X
申请日：2020-07-23
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于蓝牙的点对多点的无线音频传输系统，包括音频源模块、编码器模块、蓝牙通信模块、耳放模块、音频输出终端模块；音频源模块与编码模块通讯连接；编码器模块与蓝牙通信模块连接；所述蓝牙通信模块包括一个发送方RSL10模块和多个接收方RSL10模块；发送方RSL10模块通过天线无线发送和接收多个接收方RSL10模块的数据；所述耳放模块与发送方RSL10模块连接；所述音频输出终端模块与耳放模块连接。本发明选用RSL10作为无线传输的蓝牙芯片，选用WM8731编解码器作为编解码芯片并且选用TPA6138作为耳机驱动器，将三者配合使用，从技术上解决了传统无线音频传输系统的传输距离短，音频品质低以及功耗高的缺点。
-
公开(公告)号：CN113179404A
公开(公告)日：2021-07-27
申请号：CN202110466485.3
申请日：2021-04-28
Applicant: 南京邮电大学
IPC: H04N19/124 , H04L9/30 , H04N19/176 , H04N19/182 , H04N19/42 , H04N19/625 , H04N19/91
Abstract: 一种基于运动矢量的图像加密方法，基于DCT变换与量化，对视频压缩编码过程的残差矩阵以及运动矢量残差值的量化值作为明文进行逐点加密，以消除明文的时间相关性、空间相关性；基于椭圆曲线加密算法，优化椭圆曲线加密公式，将图像残差矩阵以及运动矢量的量化值映射至椭圆曲线并加密，有效地隐藏图像信息，在确保安全性的同时减少密钥负担，在资源有限的设备中具有强大加密优势，实现图像在设备间的安全传输；以嵌入式DM8127视频处理系统为计算平台，实现高清图像的稳定采集、有效快速的图像计算、椭圆曲线加密算法的具体应用，以及IE浏览器的图像显示。本发明不仅可以实现两个设备间的安全传输，还适用于多设备的大规模安全传输系统。
-
公开(公告)号：CN111277414A
公开(公告)日：2020-06-12
申请号：CN202010052550.3
申请日：2020-01-17
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于RSA算法和智能合约的分布式公钥生成方法，区块链智能合约预置触发条件，满足预制条件，触发智能合约执行；获取到触发交易者地址，智能合约的密钥管理单元调用密钥生成单元通过密钥生成算法根据当前系统时间和、交易者地址和合约执行次数为参数生成公私密钥对；将交易者地址、公钥私钥对存储于智能合约密钥存储单元；智能合约密钥管理单元将密钥对的公钥输出，交易确认后，全网可查看交易结果获取公钥信息。
-
公开(公告)号：CN109862017A
公开(公告)日：2019-06-07
申请号：CN201910128848.5
申请日：2019-02-21
Applicant: 南京邮电大学
Abstract: 本发明提出了基于SPRT算法的无线传感器网络恶意蠕虫检测方法，其特征在于，包括以下步骤：步骤1，网络预处理；步骤2，通讯模式收集存储；步骤3，SPRT蠕虫检测；所述步骤1的具体内容如下：步骤1.1，在传感器网络部署前对每一个传感器节点分配唯一的ID号同时分配私钥进行节点之间的通信，以便当一个节点u接收到另一个节点v发来的分组包时，通过密钥验证节点之间通信来防止蠕虫病毒仿造节点ID来增加蠕虫检测的误报率能够通过少量的时隙和采样样本数量来检测到蠕虫节点，该检测方案能够将蠕虫感染节点限制在2％～5％之间，同时该方案能够减少网络中的通信损耗和计算损耗，可以高效地排查传感器网络中的蠕虫节点。
-
公开(公告)号：CN109816119A
公开(公告)日：2019-05-28
申请号：CN201910106221.X
申请日：2019-02-02
Applicant: 南京邮电大学
IPC: G06N20/10
Abstract: 本发明公开了一种基于无监督学习的无线传感器异常数据检测方法，包括步骤：1、获取无线传感器节点连续采集的m个数据构成训练样本集；2、建立四分之一超球支持向量机模型，其球心位于高维空间坐标原点，最小支持半径为R；3、应用粒子群算法和训练样本集对四分之一超球支持向量机模型的参数进行优化，得到优化模型；4、获取无线传感器节点连续采集的m+1个数据Tq，计算Tm+1在优化模型的映射空间中到球心的距离d(Tm+1)，如果d(Tm+1)≤R，Tm+1为正常数据；如果d(Tm+1)＞R，用{T1,T2,..Tm}作为训练样本集重新训练模型并计算最小支持半径Rnew，计算Tm+1在更新后模型的映射空间中到球心的距离d(Tm+1)new，如果d(Tm+1)new≤Rnew，数据Tm+1为正常数据，否则Tm+1为异常数据。该方法采用无监督学习，无需对样本进行标注，且检测正确率较高。
-
Patent Agency Ranking
公开(公告)号：CN109547135A
公开(公告)日：2019-03-29
申请号：CN201910015021.3
申请日：2019-01-08
Applicant: 南京邮电大学
IPC: H04B17/382 , H04B17/391 , H04W72/04
Abstract: 本发明揭示了一种毫米波系统中基于保密概率的功率分配方法，包括如下步骤：S1、等效信道模型化步骤，建立毫米波信道模型并由此获得离散角度域信道模型；S2、功率分配策略定义步骤，对合法方向接收信噪比的最小值进行强制约束，同时限定窃听方向接收信噪比的上界，制定总发射功率的分配策略，保证目标保密概率满足服务质量需求的约束；S3、功率分配步骤，进行基于中断的人工噪声波束成形功率分配，并对最终分配结果进行性能评估。本发明提出了一种具有数据保护功能的功率分配方法，能够有效地提升无线通信过程中数据的隐私性和机密性，达到既定保密概率，提升归一化安全吞吐量，降低系统的复杂度。
-
公开(公告)号：CN105916174A
公开(公告)日：2016-08-31
申请号：CN201610216750.1
申请日：2016-04-08
Applicant: 南京邮电大学
CPC classification number: Y02D70/00 , H04W28/06 , H04W28/0289 , H04W52/0209
Abstract: 本发明公开了一种基于锯齿形扫描的自适应空间压缩方法，包括步骤：各个簇中各网格内的每个传感器节点分别采集原始环境数据并将其所得采集原始数据上传至簇头节点；簇头节点获得二维原始数据矩阵，及进行离散余弦变换获得二维变换矩阵；簇头节点进行锯齿形扫描，将二维变换矩阵变换为一维向量；针对所得一维向量进行自适应空间压缩，获得压缩数据向量；簇头节点将所得压缩数据向量向距离汇聚节点更近的簇头节点传输；所述汇聚节点针对簇头节点所传输的深度压缩数据向量进行数据重构，获得各个传感器节点的原始环境数据。本发明可实现感知数据空间相关性的深度挖掘，并能降低网络数据传输开销、提高数据重建精度以实现延长传感器网络生命周期。
-
公开(公告)号：CN105843924A
公开(公告)日：2016-08-10
申请号：CN201610179487.3
申请日：2016-03-25
Applicant: 南京邮电大学
IPC: G06F17/30
CPC classification number: G06F16/285 , G06F16/2246 , G06F16/24568
Abstract: 本发明公开一种认知计算中基于CART的决策树构建方法，包括：根据决策树的制定规则，初始化决策树的根节点和对应的特征属性集；对训练集的数据进行排序操作；判断节点中的所有样本数据是否属于同一类，计算待分裂的节点的最优和次优特征属性，判断是否满足选择最优分裂属性和中断机制的分裂条件，若满足，则使用最优分裂属性进行分裂，根据使用最优分裂属性分裂，然后使用特征属性分裂后的节点迭代替换当前节点，从左右两个分支中添加一个新的叶子节点，达到决策树的自动分裂；否则等待数据流输入，进行样本更新，继续对节点分裂进行计算。本发明进一步提高了处理数据流的准确度，降低了系统阻塞的可能性。
-
公开(公告)号：CN103825742A
公开(公告)日：2014-05-28
申请号：CN201410049463.7
申请日：2014-02-13
Applicant: 南京邮电大学
Abstract: 本发明是一种适应于大规模无线传感器网络的基于身份的认证密钥协商方法（TinyIBAK），解决大规模传感器网络中密钥的分发，建立，更新和撤销。TinyIBAK同时具有身份认证和密钥确认机制，能够在密钥协商过程中认证协议参与者的身份，并能确认协议双方最终共享了相同的密钥，从而有效抵御中间人攻击。同时该算法能有效抵御主动和被动攻击，具有良好的安全性。TinyIBAK在传感器网络硬件平台进行了实现，验证了在实际传感器网络部署中算法的运行性能。通过分析协议的内存占用，执行时间和能量消耗，并与现有同类算法进行比较，TinyIBAK在安全强度，扩展性，通信、计算、存储开销方面都具有显著优势。
-
公开(公告)号：CN103561426A
公开(公告)日：2014-02-05
申请号：CN201310533854.1
申请日：2013-11-04
Applicant: 南京邮电大学
Abstract: 本发明是一种容迟移动传感网中基于节点活跃度的改进概率路由方法，该方法将节点活跃度因子加入到传输概率的预测之中，提出节点本身的活跃度NA的计算公式，通过权值α对NA和原始的PROPHET算法传输预测概率值进行加权，依据节点相遇历史信息，以及节点在网络中活跃程度，计算新的传输预测概率值，节点之间通过比较传输预测概率值的大小决定消息的转发与否，利用生存时间TTL丢弃策略对缓存进行管理，仿真结果表明，NAPR算法的概率估计方法较PROPHET算法更为全面，产生的副本数较少，虽然导致消息的平均时延有所增加，但是NAPR算法降低了节点开销率，提高了报文的递交率。在未来工作中将进一步研究如何应对网络中的拥塞问题。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.03 seconds)
