-
公开(公告)号：CN113242325A
公开(公告)日：2021-08-10
申请号：CN202110375536.1
申请日：2021-04-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种增量对称型NAT的UDP穿越方法，针对存在NAT干扰的情况，首先客户端通过STUN服务器探测NAT类型，并把包含NAT类型和映射端口增量的探测结果发送给信令服务器；然后信令服务器根据探测结果和应用的具体穿越场景，确定不同的穿越流程并通知双方客户端，双方客户端根据事先确定的穿越流程进行UDP穿越；当双方客户端的NAT类型为增量对称型—增量对称型，且应用进行单连接穿越时，通过端口预测、干扰检测、重试优化等步骤提高穿越成功率；当双方客户端的NAT类型为增量对称型—增量对称型或锥型—增量对称型，且应用进行多连接穿越时，简化重复多次单连接穿越的冗余步骤，缩短穿越时间。
-
公开(公告)号：CN113242189A
公开(公告)日：2021-08-10
申请号：CN202110392636.5
申请日：2021-04-13
Applicant: 华南理工大学
Abstract: 本发明公开了一种结合信道估计的自适应均衡软信息迭代接收方法，适用于水声通信领域的单载波传输系统，该方法在时域上对信道进行估计，根据信道冲激响应对信号进行时域和频域均衡，并将初步均衡结果进行加权合并，作为自适应算法的期望信号，并对信号进行直接自适应均衡，该方法能显著提高直接均衡阶段的译码性能；同时，采用turbo均衡结构，在均衡器和译码器之间迭代地交换软信息以便充分提取信道编码的纠错增益，从整体上逐步降低系统的误码率。相对于其他均衡方法，本发明能有效地消除水声信道造成的码间干扰，能更好地跟踪信道随时间的变化，同时具有更低计算复杂度的优点。
-
公开(公告)号：CN113241083A
公开(公告)日：2021-08-10
申请号：CN202110463638.9
申请日：2021-04-26
Applicant: 华南理工大学
IPC: G10L21/02 , G10L21/0208
Abstract: 本发明公开了一种基于多目标异质网络的集成语音增强系统，该系统包括特征提取模块、特征降维模块、m个异质网络、n个门控单元，使用m个异质网络作为集成语音增强系统的子模型，每个异质网络从第个个网络层开始引出多目标分支，并以对称的方式连接异质网络的首尾层，可以有效缓解多目标学习的参数优化冲突问题，可以避免原始输入在深层的网络传播中丢失信息，可以提高集成语音增强系统的基模型多样性，进而提高增强语音的质量和可懂度。特征降维模块通过计算原始输入语音帧之间的关联信息，并将其和当前输入帧拼接，作为n个门控单元的输入，大大降低了n个门控单元的输入维度，而且不丢失原始输入中的帧之间的关联信息。
-
公开(公告)号：CN113076750A
公开(公告)日：2021-07-06
申请号：CN202110463683.4
申请日：2021-04-26
Applicant: 华南理工大学
IPC: G06F40/289 , G06F40/30 , G06N3/04
Abstract: 本发明公开了一种基于新词发现的跨领域中文分词系统及方法，该系统包括：新词发现模块，使用结合统计信息和语义信息的增强互信息来实现新词发现算法，用于从无标注的语料中挖掘新词词表；自动标注模块，使用新词词表结合逆向最大匹配算法实现对无标注语料的初始切分，得到切分不完全的语料，使用分词模型对切分不完全的语料进行完全切分，得到自动标注的语料；跨领域分词模块，使用对抗式方法实现跨领域中文分词算法，并使用有标注的源领域语料和自动标注的语料进行对抗式训练。本发明使用增强互信息优化了新词发现算法，提升了新词发现的准确率和词表的领域性；在跨领域分词算法中提升了对无标注语料的利用率，优化了分词的召回率和准确率。
-
公开(公告)号：CN111915619A
公开(公告)日：2020-11-10
申请号：CN202010503027.8
申请日：2020-06-05
Applicant: 华南理工大学
Abstract: 本发明公开了一种双特征提取与融合的全卷积网络语义分割方法，该全卷积网络采用编码器-解码器结构，包括编码器部分与解码器部分。在编码器部分中，RGB图像与深度图像无需做任何预处理，分别输入到两个独立的特征提取分支中，并由浅至深地进行特征提取，同时在这一过程中，不同尺度的RGB特征与深度特征不断融合，在解码器部分中则利用编码器部分提供的特征图逐步实现对每个像素的类别标注，输出分割结果。本发明提供的方法实现了RGB-D特征的多级提取与多尺度融合，达到充分有效结合RGB特征与深度特征，进而提高分割精度的目的。
-
Patent Agency Ranking
公开(公告)号：CN110138460B
公开(公告)日：2020-08-18
申请号：CN201910327807.9
申请日：2019-04-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种具有无线能量收集能力的水声通信系统资源分配方法与装置，该方法在骨干网基站或中心节点处布置水声换能器阵列，通过波束成形技术优化基站水声换能器阵列的权值矩阵，使基站发射的水声信号对准水下终端节点。水下终端节点接收到的声波信号在通过水声换能器转化为电信号后，利用功率分离器分离为两路信号流，其中一路信号进行信号检测；另一路信号则通过能量收集模块进行能量收集，收集的能量通过电源模块对终端节点的电池进行充电，从而实现终端节点的能源补充。该方法在保证通信质量的前提下获得最大的终端节点收集能量，从而最大限度的为水声通信网络终端节点进行能源补充。
-
公开(公告)号：CN109991998B
公开(公告)日：2020-08-18
申请号：CN201811489187.0
申请日：2018-12-06
Applicant: 华南理工大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于接收信号强度的无人机中继航迹优化方法，针对无人机通信领域中无人机中继航迹优化问题，在未知地面节点位置的情况下，利用接收信号强度对位置未知并且处于移动状态的各个地面终端节点进行大致定位，在此基础上，计算最优航向角并实现无人机航向角的快速调整，以航迹最小化为准则实现无人机中继航迹优化。该发明使得无人机能够更加直接的进行航迹规划，在搜寻路径更短的情况下完成通信任务；由于搜寻路径更短，无人机能耗大幅降低，达到了无人机能耗优化的目标。该发明适用于地面节点不停移动变化的场景，算法中每个符号周期都会对全局最差通信节点位置进行更新，不依赖于上一次计算的节点位置，拥有良好的环境适应性。
-
公开(公告)号：CN111478720A
公开(公告)日：2020-07-31
申请号：CN202010043963.5
申请日：2020-06-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于交叉子带划分的多带双曲调频扩频通信方法。本方案提出将水声系统可用带宽按照当前扩频周期序号的奇偶性进行不同子带数量的多带划分，以达到交叉子带划分的目的。在此基础上，将划分的多个子带两两分组，每个分组采用子带选择激活的方式根据传输数据的不同进行子带的选择，实现多带并行传输。同时，每个扩频周期内，被激活子带分别采用升、降双曲调频信号对调制后的信号进行调频。相对于其他水声双曲扩频调频方案，本发明采用交叉子带划分的方案，提高了对信道最大时延的容忍度；利用升、降双曲调频信号的弱相关性，承载传输不同的信息；采取基于QPSK调制的多带并行传输方案，进一步提高了系统的频带利用率与传输速率。
-
公开(公告)号：CN111416782A
公开(公告)日：2020-07-14
申请号：CN202010189893.4
申请日：2020-03-18
Applicant: 华南理工大学
Abstract: 本发明属于无线通信领域，涉及一种基于空载波的OFDM系统频偏估计分析方法，包括：将发送的序列经过OFDM方案得到调制符号后，将调制符号经过瑞利信道进行发送，在接收端将利用瑞利信道和噪声的统计特性进行频偏估计均方误差的计算。频偏估计均方误差的理论值用包括瑞利信道响应系数和信道噪声两个随机变量的统计特性，结合检测出的非激活子载波与加性复高斯白噪声的统计特性直接进行计算；在计算频偏估计均方误差的理论值时，利用泰勒级数展开，进而得到更精确的频偏估计均方误差表达式。本发明利用瑞利信道的统计特性能得到频偏估计均方误差的理论值，并取其高阶近似作为结果，有效地提高了估计分析方法的通用性与准确性。
-
公开(公告)号：CN107919950B
公开(公告)日：2020-06-19
申请号：CN201710934736.X
申请日：2017-10-10
Applicant: 华南理工大学
Abstract: 本发明公开了一种无冲突的竞争信道水声网络并行通信方法，用于全连通结构的基于竞争协议的水声通信网络、水声传感网等场合，在握手阶段RTS/CTS信令采用并发式的时分复用机制并行地传输，可以完全消除RTS/CTS信令的冲突，避免现有方法因节点无法准确掌握同一传输周期内所有握手成功的节点对而错误计算发送数据的时间带来的数据传输冲突，同时又能减少握手的时间，提高传输效率；上一数据传输状态中的ACK/NACK信令在下一握手状态的RTS或CTS时隙发送，无需单独安排时间进行传输，使信道的利用效率更高效。发明提供了两种休眠机制，能有效地减少节点的能耗，在水下节点能量受限，充能不易的情况下具有重要的作用。
-
-
-
-
-
-
-
-
-
Search Results
290
records
(took 0.11 seconds)
