-
公开(公告)号:CN110208907B
公开(公告)日:2020-08-04
申请号:CN201910359407.6
申请日:2019-04-30
Applicant: 北京邮电大学
IPC: G02B6/14 , G02B6/28 , C03B23/047
Abstract: 本发明实施例提供一种轨道角动量光子灯笼制作方法及装置,该方法包括:将预设数量的光纤置于低折射率的玻璃套管内,预设数量以及光纤的几何排布方式与主流光子灯笼设计保持一致;根据预设拉伸比例对内置光纤的玻璃套管进行绝热拉锥至预设拉伸长度;其中,光纤的类别包括单模光纤,拉伸比例用于控制拉锥后得到的少模光纤归一化频率取值,以使得光子灯笼产生线偏振LP模式,拉伸长度用于控制LP模式的相位差在π/2。由于无需同时选择性激励光子灯笼的两根单模光纤端口来产生目标模式,能够同时复用OAM±1模式,从而信道利用率较高。另外,无需引入额外器件实现OAM模式的复用,具有较强的实用性且使用过程简单。
-
公开(公告)号:CN110113140A
公开(公告)日:2019-08-09
申请号:CN201910175849.5
申请日:2019-03-08
Applicant: 北京邮电大学
Abstract: 本申请公开了一种雾计算无线网络中的计算卸载方法,包括:FAP向发送计算卸载请求的各用户广播本地队列状态信息,各用户根据FAP的状态信息建立竞价函数,并提交各自竞价;FAP根据各用户的出价对计算任务的卸载地和子载波的分配进行决策。应用本申请,能够在用户设备和FAP之间合理分配计算任务的处理位置,提高系统性能。
-
公开(公告)号:CN105930834B
公开(公告)日:2019-04-09
申请号:CN201610513332.9
申请日:2016-07-01
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于球哈希二值编码的人脸识别方法。该方法包括提取训练样本中的多个训练人脸图像的各个局部块中每个像素点对应的像素差值向量;根据球哈希优化算法得到球哈希函数的参数;根据球哈希函数的参数对像素差值向量进行二值编码,得到第一二值向量;对第一二值向量进行聚类,得到多个视觉单词;提取测试人脸图像的局部块中每个像素点对应的像素差值向量;根据球哈希函数的参数对测试人脸图像对应的多个像素差值向量进行二值编码,得到第二二值向量;根据视觉单词对第二二值向量进行特征表示得到特征向量,并根据特征向量进行人脸识别。本发明存储量小,计算速度快,对局部变化的敏感度较低,而且数据适应性较高,数据描述能力较强。
-
公开(公告)号:CN105930834A
公开(公告)日:2016-09-07
申请号:CN201610513332.9
申请日:2016-07-01
Applicant: 北京邮电大学
CPC classification number: G06K9/00281 , G06K9/6218
Abstract: 本发明提供一种基于球哈希二值编码的人脸识别方法。该方法包括提取训练样本中的多个训练人脸图像的各个局部块中每个像素点对应的像素差值向量;根据球哈希优化算法得到球哈希函数的参数;根据球哈希函数的参数对像素差值向量进行二值编码,得到第一二值向量;对第一二值向量进行聚类,得到多个视觉单词;提取测试人脸图像的局部块中每个像素点对应的像素差值向量;根据球哈希函数的参数对测试人脸图像对应的多个像素差值向量进行二值编码,得到第二二值向量;根据视觉单词对第二二值向量进行特征表示得到特征向量,并根据特征向量进行人脸识别。本发明存储量小,计算速度快,对局部变化的敏感度较低,而且数据适应性较高,数据描述能力较强。
-
公开(公告)号:CN103974285A
公开(公告)日:2014-08-06
申请号:CN201410150946.6
申请日:2014-04-15
Applicant: 北京邮电大学
IPC: H04W24/00
Abstract: 本发明提供了一种蜂窝系统对单个台站的干扰分析方法及系统,预先设定蜂窝系统中的基站以二维泊松分布部署在单个台站周围,预先设定蜂窝系统中的基站引起的集总干扰服从高斯分布,该方法包括:S1:当蜂窝系统中的基站个数为无穷大时,计算出集总干扰的均值和方差;S2:根据所述均值、所述方差和所述单个台站允许的干扰门限值计算出蜂窝系统对所述单个台站的干扰概率;S3:计算出蜂窝系统对所述单个台站的干扰半径。通过本发明提供的一种蜂窝系统对单个台站的干扰分析方法及系统,能够快速高效的得出干扰半径和干扰概率。
-
公开(公告)号:CN115170855A
公开(公告)日:2022-10-11
申请号:CN202210492940.1
申请日:2022-05-07
Applicant: 北京邮电大学 , 中国人民解放军32802部队
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/04 , G06F21/56
Abstract: 本公开提供一种虚拟中毒图像数据的后门触发器拟合方法及相关设备。所述方法包括:根据原始图像数据集,随机生成张量数据;基于协方差自适应调整的进化策略(CMA‑ES),随机生成原始图像数据集的多个候选坐标位置,并根据原始图像数据集和张量数据构造第一虚拟中毒图像数据集;将原始图像数据集和第一虚拟中毒图像数据集输入到预先训练的注入后门的分类模型中,根据计算得到的激活后门的第一成功率确定目标坐标位置并构造目标虚拟中毒图像数据集;迭代训练张量数据,将训练好的张量数据确定为虚拟中毒图像数据的后门触发器。本公开的方案拟合出的后门触发器没有尺寸大小的限制,检测后门更具通用性,从而提升神经网络模型的安全性。
-
公开(公告)号:CN110208907A
公开(公告)日:2019-09-06
申请号:CN201910359407.6
申请日:2019-04-30
Applicant: 北京邮电大学
IPC: G02B6/14 , G02B6/28 , C03B23/047
Abstract: 本发明实施例提供一种轨道角动量光子灯笼制作方法及装置,该方法包括:将预设数量的光纤置于低折射率的玻璃套管内,预设数量以及光纤的几何排布方式与主流光子灯笼设计保持一致;根据预设拉伸比例对内置光纤的玻璃套管进行绝热拉锥至预设拉伸长度;其中,光纤的类别包括单模光纤,拉伸比例用于控制拉锥后得到的少模光纤归一化频率取值,以使得光子灯笼产生线偏振LP模式,拉伸长度用于控制LP模式的相位差在π/2。由于无需同时选择性激励光子灯笼的两根单模光纤端口来产生目标模式,能够同时复用OAM±1模式,从而信道利用率较高。另外,无需引入额外器件实现OAM模式的复用,具有较强的实用性且使用过程简单。
-
公开(公告)号:CN103909527A
公开(公告)日:2014-07-09
申请号:CN201410117621.8
申请日:2014-03-27
Applicant: 北京邮电大学
Abstract: 本发明涉及一种基于仿生学的机器人嘴部装置,包括通过气管依次连接的空气压缩机(101)、流量计(102)、比例阀(103)和机械嘴(104),与通过水管连接的加湿器(105);所述机械嘴(104)包括壳体(1)、进气管(2)、出气口(3)、仿生嘴唇装置(4)、机械臂(上颚(5)、下颚(6)、左右两侧(7、8),共四个机械臂)、机械臂支架(9)、滑动轨(10)、滑动块(11)、连杆(12)、舵盘(13)、舵盘舵机(14)、涡轮蜗杆(15)、涡轮蜗杆舵机(16)、润湿器(17)、机械舌(18)、机械舌固定架(19)、机械舌舵机(20)、笛头(21)、哨片(22)。
-
公开(公告)号:CN118823074A
公开(公告)日:2024-10-22
申请号:CN202311055603.7
申请日:2023-08-21
Applicant: 中国移动通信有限公司研究院 , 北京邮电大学 , 中国移动通信集团有限公司
Abstract: 本发明提供了一种位姿估计方法、装置、设备和存储介质,位姿估计方法包括:对第一目标视频帧进行识别得到识别结果;若第一目标视频帧的识别结果指示识别到预设跟踪目标且满足目标条件,根据基于重投影的姿态估计算法和第一目标视频帧生成目标摄像设备的设备位姿,获取第三目标视频帧,根据光流法生成目标摄像设备的设备位姿;根据RANSAC算法确定跟踪结果;若跟踪结果指示跟踪成功,将第一目标视频帧更新为第三目标视频帧返回获取第三目标视频帧的步骤;若跟踪结果指示跟踪失败将第一目标视频帧更新为第三目标视频帧,返回对第一目标视频帧进行识别得到识别结果的步骤。本方案能够减少目标摄像设备的位姿运算时长。
-
公开(公告)号:CN111182644A
公开(公告)日:2020-05-19
申请号:CN201911348750.7
申请日:2019-12-24
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于深度强化学习的联合重传URLLC资源调度方法包括:采集URLLC的数据包信息、信道信息作为训练数据;建立基于深度强化学习的联合重传URLLC资源调度决策模型,并利用训练数据对模型参数进行训练;对所得深度强化学习的URLLC资源调度决策模型进行性能评估直至满足性能需求;收集当前mini-slot的URLLC数据包信息、信道信息;将所获得的信息输入基于深度强化学习的URLLC资源调度决策模型,获得资源调度决策结果;根据资源调度决策结果,URLLC数据包进行资源分配。本发明基于深度强化学习的方法对URLLC数据包信息以及信道状态信息进行训练,得到URLLC数据包调度资源决策结果,根据决策结果合理分配调度资源,在满足URLLC传输要求的基础上解决了功率和时频资源浪费问题。
-
-
-
-
-
-
-
-
-