-
公开(公告)号:CN113009444B
公开(公告)日:2023-06-06
申请号:CN202110218139.3
申请日:2021-02-26
Applicant: 南京邮电大学
IPC: G01S7/41
Abstract: 本发明公开一种广义高斯纹理海杂波背景下的目标检测方法及装置,获取接收回波信息;基于接收回波信息,分别构建接收回波中海杂波在备择假设和原假设条件下的概率密度函数;根据所述概率密度函数,确定似然比检测函数;根据所述似然比检测函数,确定目标检测函数;利用所述目标检测函数进行目标检测。利用广义高斯分布建模海杂波纹理分量,推导出了复合高斯分布下的检测函数,能满足海杂波小擦地角和高分辨率的要求,并且该检测方法有较低的计算复杂度,通过与GLRT检测函数、纹理逆伽马(IGM‑GLRT)检测函数、纹理伽马(GM‑GLRT)检测函数进行对比,采用本发明GGD‑GLRT检测函数的检测方法性能较优。
-
公开(公告)号:CN114911981A
公开(公告)日:2022-08-16
申请号:CN202210554348.X
申请日:2022-05-19
Applicant: 南京邮电大学
IPC: G06F16/901 , G06F16/904 , G06F16/906
Abstract: 本发明公开了一种复杂网络中基于聚类系数的并行图摘要算法,包括:将图的原始顶点集合划分为不同的分区;将分区子图的原始顶点集和边集作为图摘要的初始顶点集合和边集合,对各分区顶点,根据顶点选择策略确定初始点,计算该点聚类系数,并合并该顶点与所有一跳邻居顶点生成新摘要顶点;更新图摘要的顶点集,同时根据聚类系数生成修正边集合,并更新图摘要的边集合;继续选择下一个待合并顶点,重复执行上述合并过程,直至各分区摘要图中顶点总数小于阈值时停止,最终合并输出总的摘要图和修正边集合。本发明能够根据复杂网络中顶点的聚类系数进行并行摘要,避免了传统图摘要算法计算效率慢、压缩率低等缺陷,在图压缩、复杂网络顶点重要性排序等领域有较好的应用价值。
-
公开(公告)号:CN108507760A
公开(公告)日:2018-09-07
申请号:CN201810555914.2
申请日:2018-05-31
Applicant: 中国南方电网有限责任公司超高压输电公司贵阳局 , 南京邮电大学
IPC: G01M11/00
Abstract: 本发明公开了一种高压换流站传能光纤链路状态在线检测装置,检测对象为高压换流站用于传输激光能量的特种传能光纤,检测装置包括光纤连接模块,光源模块,信号采集模块和数据处理模块,高功率激光光源模块产生850nm光脉冲信号,通过光纤连接器传输到光纤链路,光纤链路中的光信号在传输过程产生的瑞利散射光和菲涅尔反射光,被信号采集模块采集,最后传输给数据处理模块进行数据处理整合。此高压换流站传能光纤链路状态在线检测装置,可以实时监测光纤链路状况,包括光纤的损耗情况、连接情况和断裂情况。
-
公开(公告)号:CN114491166A
公开(公告)日:2022-05-13
申请号:CN202210087632.0
申请日:2022-01-25
Applicant: 南京邮电大学
IPC: G06F16/901 , G06F16/904
Abstract: 本发明公开了一种基于节点重要性的图摘要算法,包括:建立节点集合,对集合中所有点进行重要性指标计算和排序;根据重要性顺序,选择重要性较低且相距两跳的节点组成节点对,合并生成新的图摘要顶点,同时更新图摘要顶点集合,直至所有摘要节点均达到算法阈值时停止;遍历摘要顶点集合,根据MDL(最小描述长度)原则选择摘要点对生成边,并根据原始图和摘要图生成修正边集合,最终输出摘要图和修正边集合。本发明能够根据大图中节点的重要性进行摘要,避免了传统图摘要算法中存在的重要节点被提前合并等缺陷,在图处理领域具有广泛实用价值和应用前景。
-
公开(公告)号:CN110443376A
公开(公告)日:2019-11-12
申请号:CN201910815181.6
申请日:2019-08-30
Applicant: 中国南方电网有限责任公司超高压输电公司贵阳局 , 南京邮电大学
IPC: G06N20/00
Abstract: 本发明公开了一种基于非监督机器学习算法的状态分析方法,包括以下步骤:1、对远端模块进行编号;2、对远端模块的输出信号进行采集;3、对采集到的远端模块的输出信号进行整理,建立样本点集合,并将所采集的远端模块的输出信号与样本点集合中的点一一对应;4、将样本点集合中的点代入非监督机器学习算法,以判定远端模块的工作状态。本发明还公开了一种实现所述基于非监督机器学习算法的状态分析方法的应用模块,包括:能量管理装置、模拟信号采集装置和数字信号处理装置。具有解决了正向和反向的样本无法获取的问题,弥补了无法采用有监督机器学习算法进行故障建模和工作状态预判的不足等优点。
-
公开(公告)号:CN110443376B
公开(公告)日:2024-05-17
申请号:CN201910815181.6
申请日:2019-08-30
Applicant: 中国南方电网有限责任公司超高压输电公司贵阳局 , 南京邮电大学
IPC: G06N20/00
Abstract: 本发明公开了一种基于非监督机器学习算法的状态分析方法,包括以下步骤:1、对远端模块进行编号;2、对远端模块的输出信号进行采集;3、对采集到的远端模块的输出信号进行整理,建立样本点集合,并将所采集的远端模块的输出信号与样本点集合中的点一一对应;4、将样本点集合中的点代入非监督机器学习算法,以判定远端模块的工作状态。本发明还公开了一种实现所述基于非监督机器学习算法的状态分析方法的应用模块,包括:能量管理装置、模拟信号采集装置和数字信号处理装置。具有解决了正向和反向的样本无法获取的问题,弥补了无法采用有监督机器学习算法进行故障建模和工作状态预判的不足等优点。
-
公开(公告)号:CN113009444A
公开(公告)日:2021-06-22
申请号:CN202110218139.3
申请日:2021-02-26
Applicant: 南京邮电大学
IPC: G01S7/41
Abstract: 本发明公开一种广义高斯纹理海杂波背景下的目标检测方法及装置,获取接收回波信息;基于接收回波信息,分别构建接收回波中海杂波在备择假设和原假设条件下的概率密度函数;根据所述概率密度函数,确定似然比检测函数;根据所述似然比检测函数,确定目标检测函数;利用所述目标检测函数进行目标检测。利用广义高斯分布建模海杂波纹理分量,推导出了复合高斯分布下的检测函数,能满足海杂波小擦地角和高分辨率的要求,并且该检测方法有较低的计算复杂度,通过与GLRT检测函数、纹理逆伽马(IGM‑GLRT)检测函数、纹理伽马(GM‑GLRT)检测函数进行对比,采用本发明GGD‑GLRT检测函数的检测方法性能较优。
-
公开(公告)号:CN104066138A
公开(公告)日:2014-09-24
申请号:CN201410294808.5
申请日:2014-06-26
Applicant: 南京邮电大学
IPC: H04W36/22
Abstract: 本发明公开了一种阻塞率约束下的基于业务优先级的群组切换方法,该方法首先将网络中的群组切换用户按业务种类进行区分,同时为各个种类的用户分配以不同的优先级,从而形成优先级队列,用户按优先级队列依次进行切换。当用户处在同一个优先级时,构建阻塞率函数,通过限制当前阻塞率在给定阻塞率约束之下,从而确定当前时隙可以进行切换的用户数目。确定了允许切换的用户数目之后,在当前时刻只让这些用户进行切换,从而可以有效地避免网络拥塞问题。该方法包括:步骤1:对用户分类,生成优先级队列;步骤2:用户选择网络概率的确定;步骤3:切换阻塞率的定义;步骤4:每个时隙上切换用户数目的确定;步骤5:切换的具体执行。
-
公开(公告)号:CN118645083A
公开(公告)日:2024-09-13
申请号:CN202410920630.4
申请日:2024-07-10
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多尺度信息的编‑解码器结构的跨语种语音转换方法,包括训练阶段和转换阶段,训练阶段中编码器对声学特征解耦,获得说话人信息表征和内容表征;编码器和解码器之间采用U型连接,将说话人信息表征从编码器传递到解码器;多尺度信息提取网络进一步提取内容表征中的多尺度信息;解码器将获取的说话人信息表征和包含多尺度信息的内容表征进行重构。本发明在训练阶段引入深度监督机制,在不同解码阶段引入监督信号,学习多尺度的重构特征表示,为最终输出重构特征提供多尺度信息;利用多尺度信息提取网络和深度监督机制,使转换语音包含更详细的多尺度信息,进一步提高转换语音的自然度,从而实现高质量的跨语种语音转换。
-
公开(公告)号:CN116628184A
公开(公告)日:2023-08-22
申请号:CN202310540934.3
申请日:2023-05-12
Applicant: 南京邮电大学
IPC: G06F16/34 , G06F16/35 , G06F16/31 , G06F18/2321
Abstract: 本发明提供了一种基于相对熵的动态图摘要算法,包括对于初始图,首先用最小哈希值方法计算出各节点的三跳邻居特征值及特征值的杰卡德相似度,并以此作为距离对节点进行粗聚类;根据簇内节点数阈值和合并规则进行大小簇合并,然后生成超点、超边及其权重;在动态过程中,计算新增节点与各超点间最小哈希值分布的相对熵,将新点加入相对熵最小的超点;同时计算新增节点的两跳邻居节点与各超点间的相对熵,并根据相对熵调整邻居节点所属的超点。本发明得到的摘要图具有新的变化趋势和新的特征,能够减少摘要时间,节省了计算资源,避免了以往动态图摘要算法采样慢、存储空间大等缺陷,能够更好的应用于图流场景,在图处理领域有较好的应用价值。
-
-
-
-
-
-
-
-
-