公开(公告)号：CN119719880A

公开(公告)日：2025-03-28

申请号：CN202411569093.X

申请日：2024-11-05

Applicant: 北京邮电大学

Inventor： 许文嘉 ,  黄楚楚 ,  王宏宇 ,  彭木根

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/213 ,  G06N3/0442

Abstract: 本申请提出了一种基于深度属性提取的零样本信号调制识别方法，涉及深度学习技术领域，其中，该方法包括：通过预训练的分类模型的特征提取模块从仿真生成的信号样本中提取各调制类别的真实属性表示；利用长短期记忆网络LSTM提取输入数据的时序特征，并通过线性变换层将时序特征映射到属性空间，得到输入数据的预测属性表示；将输入数据的预测属性表示和各调制类别的真实属性表示投影到同一嵌入空间中，计算预测属性与真实属性之间的相似度，并基于相似度确定输入数据的类别。采用上述方案的本发明实现了零样本信号调制识别。

公开(公告)号：CN104484233B

公开(公告)日：2017-12-05

申请号：CN201410602590.5

申请日：2014-10-31

Applicant: 北京邮电大学

Inventor： 漆渊 ,  钱荣荣 ,  彭涛 ,  王宏宇 ,  王文博

IPC: G06F9/50

Abstract: 本发明公开了一种资源分配方法。首先生成多个与待执行任务对应的备选任务并行化处理方案，在确定各备选任务并行化处理方案的参考运行性能后，结合预设的实时性要求和基站资源池当前的资源参数筛选可行任务并行化处理方案，然后将筛选出的各可行任务并行化处理方案分别对应映射为一个或多个物理实现方案，并根据各所述物理实现方案所消耗的资源以及多属性决策策略确定最优物理实现方案。使得最终的资源分配方案与当前环境匹配，保证方案是资源池当前可用资源能支持的且能满足实时性要求。

公开(公告)号：CN104484233A

公开(公告)日：2015-04-01

申请号：CN201410602590.5

申请日：2014-10-31

Applicant: 北京邮电大学

Inventor： 漆渊 ,  钱荣荣 ,  彭涛 ,  王宏宇 ,  王文博

IPC: G06F9/50

Abstract: 本发明公开了一种资源分配方法。首先生成多个与待执行任务对应的备选任务并行化处理方案，在确定各备选任务并行化处理方案的参考运行性能后，结合预设的实时性要求和基站资源池当前的资源参数筛选可行任务并行化处理方案，然后将筛选出的各可行任务并行化处理方案分别对应映射为一个或多个物理实现方案，并根据各所述物理实现方案所消耗的资源以及多属性决策策略确定最优物理实现方案。使得最终的资源分配方案与当前环境匹配，保证方案是资源池当前可用资源能支持的且能满足实时性要求。