-
公开(公告)号：CN113068247A
公开(公告)日：2021-07-02
申请号：CN202110276270.5
申请日：2021-03-15
Applicant: 东南大学
Abstract: 本发明公开了一种基于多层感知机的无线接入点功率估计方法，属于无线通信技术领域。其使用多层感知机拟合的方法，通过收集无线接入点AP端的数据样本来训练模型，指导接入点功率的配置。先通过大数据分析的方法，结合无线接入点、终端、空间特征训练神经网络，模型得出较优的无线接入点功率配置策略。采用我们设计的无线接入点功率估计方法可以迁移至新的环境，对预测新AP功率配置，保证一个良好的网络调优初始环境，降低整网同频干扰，为网络调优加速收敛提供帮助。
-
公开(公告)号：CN112839337B
公开(公告)日：2023-03-31
申请号：CN202110017376.3
申请日：2021-01-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于分治递归策略的超密微基站间干扰协调方法，包括，选取微基站组G并确定各微基站的重要性程度；确定网络拓扑的干扰矩阵；选取G中重要程度最大的微基站并分配第1个子帧资源或将G更新为上层递归传入的该层递归的微基站组Greturn；选取次重要微基站组Gk；计算Gk中同频干扰最小的一对微基站令其复用在同一个子帧资源下；分别以Gk中的每一个基站为聚类中心，将未分配子帧资源的剩余基站分为k组，每组基站连同其各自的聚类中心基站作为下一层传入的Greturn；分治递归步骤3至步骤6，直至达到回退条件，完成所有的分治搜索分支回退时结束。通过本发明可以实现在5G超密场景中关联于同一宏基站的微基站的时域子帧资源的高效合理分配。
-
公开(公告)号：CN112839337A
公开(公告)日：2021-05-25
申请号：CN202110017376.3
申请日：2021-01-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于分治递归策略的超密微基站间干扰协调方法，包括，选取微基站组G并确定各微基站的重要性程度；确定网络拓扑的干扰矩阵；选取G中重要程度最大的微基站并分配第1个子帧资源或将G更新为上层递归传入的该层递归的微基站组Greturn；选取次重要微基站组Gk；计算Gk中同频干扰最小的一对微基站令其复用在同一个子帧资源下；分别以Gk中的每一个基站为聚类中心，将未分配子帧资源的剩余基站分为k组，每组基站连同其各自的聚类中心基站作为下一层传入的Greturn；分治递归步骤3至步骤6，直至达到回退条件，完成所有的分治搜索分支回退时结束。通过本发明可以实现在5G超密场景中关联于同一宏基站的微基站的时域子帧资源的高效合理分配。
-
公开(公告)号：CN113068247B
公开(公告)日：2022-10-18
申请号：CN202110276270.5
申请日：2021-03-15
Applicant: 东南大学
Abstract: 本发明公开了一种基于多层感知机的无线接入点功率估计方法，属于无线通信技术领域。其使用多层感知机拟合的方法，通过收集无线接入点AP端的数据样本来训练模型，指导接入点功率的配置。先通过大数据分析的方法，结合无线接入点、终端、空间特征训练神经网络，模型得出较优的无线接入点功率配置策略。采用我们设计的无线接入点功率估计方法可以迁移至新的环境，对预测新AP功率配置，保证一个良好的网络调优初始环境，降低整网同频干扰，为网络调优加速收敛提供帮助。
-
Patent Agency Ranking
公开(公告)号：CN113315673A
公开(公告)日：2021-08-27
申请号：CN202110354223.8
申请日：2021-04-01
Applicant: 东南大学
Abstract: 本发明公开了一种针对企业无线网络接入点吞吐量细粒度估计的方法。适用于企业和园区使用。首先采集无线网络接入端AP端得吞吐量样本，并对样本进行异常值处理、加窗及特征提取等数据处理操作；根据获得的无线网络特征数据集，分析无线网络吞吐量数据集的平稳性特征，建立ARIMA模型，若数据集不平稳则对序列进行差分操作；通过构建的ARIMA模型对接入点吞吐量进行基于细粒度时间的预测，不断扩充训练集进行滚动预测，并对模型进行间歇性训练以优化训练效率。本方法可以在有限的训练数据集的前提下达到较为精确的预测效果，同时优化了训练效率，且该方法在较小的时间粒度上进行预测，可以预测得到时间粒度更小、更精细的吞吐量序列结果。
-
公开(公告)号：CN112818948A
公开(公告)日：2021-05-18
申请号：CN202110256359.5
申请日：2021-03-09
Applicant: 东南大学
Abstract: 本发明公开了一种嵌入式系统下的基于视觉注意力的行为识别方法，将视频文件处理成图像帧，按照基于视觉注意力的显著性图生成策略为每一帧图像生成显著性图，并叠加于原始图像帧上。训练含五个三维卷积层加五个三维池化层、两个全连接层和一个归一化指数函数输出层的卷积神经网络，对视频中的多个图像帧提取特征，从而完成视频中的行为识别，本发明识别效果好，搭载于TX2(芯片名称)嵌入式开发板上，可以直接读取视频文件进行预测，也可以连接摄像头采入数据进行实时监测。
-
公开(公告)号：CN113315673B
公开(公告)日：2022-06-17
申请号：CN202110354223.8
申请日：2021-04-01
Applicant: 东南大学
IPC: H04L43/0888 , H04L41/147 , H04W24/06
Abstract: 本发明公开了一种针对企业无线网络接入点吞吐量细粒度估计的方法。适用于企业和园区使用。首先采集无线网络接入端AP端得吞吐量样本，并对样本进行异常值处理、加窗及特征提取等数据处理操作；根据获得的无线网络特征数据集，分析无线网络吞吐量数据集的平稳性特征，建立ARIMA模型，若数据集不平稳则对序列进行差分操作；通过构建的ARIMA模型对接入点吞吐量进行基于细粒度时间的预测，不断扩充训练集进行滚动预测，并对模型进行间歇性训练以优化训练效率。本方法可以在有限的训练数据集的前提下达到较为精确的预测效果，同时优化了训练效率，且该方法在较小的时间粒度上进行预测，可以预测得到时间粒度更小、更精细的吞吐量序列结果。
-
公开(公告)号：CN112818948B
公开(公告)日：2022-03-29
申请号：CN202110256359.5
申请日：2021-03-09
Applicant: 东南大学
Abstract: 本发明公开了一种嵌入式系统下的基于视觉注意力的行为识别方法，将视频文件处理成图像帧，按照基于视觉注意力的显著性图生成策略为每一帧图像生成显著性图，并叠加于原始图像帧上。训练含五个三维卷积层加五个三维池化层、两个全连接层和一个归一化指数函数输出层的卷积神经网络，对视频中的多个图像帧提取特征，从而完成视频中的行为识别，本发明识别效果好，搭载于TX2(芯片名称)嵌入式开发板上，可以直接读取视频文件进行预测，也可以连接摄像头采入数据进行实时监测。
-
公开(公告)号：CN111898410A
公开(公告)日：2020-11-06
申请号：CN202010531633.0
申请日：2020-06-11
Applicant: 东南大学
Abstract: 本发明提供了一种在无约束场景下的基于上下文推理的人脸检测方案，属于多媒体信号处理领域。本发明将训练集进行数据增广，以VGGNet-16作为基础特征提取网络，通过低层级特征金字塔网络加权地融合不同层特征，并在预测环节采用上下文辅助预测模块扩充子网络以加深、加宽网络模型，引入自适应锚点取样的数据增强方式和多尺度训练方法，增强了模型对于尺度的适应力。本发明不仅可提取出最具表达力的描述信息，还能较好地弥补未被充分提取的面部特征，且可优化对面部特征的利用率，适用于检测难度较高的无约束场景，尤其对微小的、模糊的、遮挡的人脸也能实现精准检测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.013 seconds)
