-
公开(公告)号：CN107490722A
公开(公告)日：2017-12-19
申请号：CN201710709796.1
申请日：2017-08-18
Applicant: 南开大学
IPC: G01R23/02
CPC classification number: G01R23/02
Abstract: 本发明首次给出一种低信噪比实信号的频率估计设计方法。该方法利用伪魏格纳分布对低信噪比实信号滤波，再利用魏格纳分布给出信号频率估计。此估计方法在时频分析前先将实信号压缩，避免了频谱混叠，增大了估计的准确度，提高了稳定性。仿真结果表明，在相同信噪比的情况下，本发明设计的实信号频率估计比国内外最佳的设计方法估计出的频率更贴近于真实频率，均方误差更小。
-
公开(公告)号：CN102882491A
公开(公告)日：2013-01-16
申请号：CN201210405631.2
申请日：2012-10-23
Applicant: 南开大学
IPC: H03H17/02
Abstract: 本发明首次给出一种稀疏无频偏线性相位FIR陷波滤波器的设计方法。该方法利用LASSO算法确定所需滤波器非零抽头系数的数目和位置，再应用最小二乘算法算出这些系数的值。此滤波器的稀疏性可使其实现所用的加法器乘法器数目减少，从而能提高其运算速度、减小运算误差和降低能耗。仿真结果表明，在相同设计指标的要求下，本发明设计的线性相位FIR陷波滤波器比国内外最佳的设计方法设计出同类滤波器相比，其非零抽头系数数目少15%以上，并且没有出现频偏问题。
-
公开(公告)号：CN114664378B
公开(公告)日：2025-04-25
申请号：CN202210236003.X
申请日：2022-03-10
Applicant: 南开大学
Abstract: 一种固有无序蛋白质预测方法，属于生物信息学领域，用于识别固有无序蛋白质区域的深度神经网络结构，该方法使用三个序列特征以及其他已有的蛋白质序列特征作为特征矩阵，利用VGG199变体和两个MLP网络构建深度神经网络实现了较准确的固有无序蛋白质的预测，该结构中VGG19变体位于两个MLP网络之间。三个新颖的序列特征即持久熵、连续两个氨基酸的相关概率特征和连续三个氨基酸的相关概率特征第一次被用于识别固有无序蛋白质区域。该方法利用VGG199变体和两个MLP网络构建深度神经网络MLP‑VGG19‑MLP实现了较准确的固有无序蛋白质的预测。
-
公开(公告)号：CN108270450B
公开(公告)日：2021-05-14
申请号：CN201810051207.X
申请日：2018-01-19
Applicant: 南开大学
IPC: H03M13/11
Abstract: 一种高码率下的规则准循环LDPC码的构造方法。本发明给出了一种基于有限几何低密度奇偶校验(LDPC)码构造高码率规则准循环LDPC码的方法。该方法利用有限几何LDPC码可分解为多个循环子矩阵，并可由这些循环子矩阵构成一个准循环矩阵。然后根据这个新构造的准循环矩阵的结构来构造一个辅助矩阵去除其中的六环，从而获得较好的误码性能。仿真结果表明，在相同的码率下，本发明所设计的高码率下并具有规则准循环结构的LDPC码与同类方法相比，具有更多种不同的码长选择，并拥有同样优秀的误码性能。
-
公开(公告)号：CN101719778A
公开(公告)日：2010-06-02
申请号：CN200910228916.1
申请日：2009-12-02
Applicant: 南开大学
Abstract: 本发明利用特定设计的多个模板获得的符号级(symbol level)采样数据，提供了一种基于最大似然准则实现超宽带信号最优的帧级时间精度同步捕获(frame level time acquisition)的方法，属超宽带无线通信技术领域。该方案利用特定的发送训练序列波形，把帧级时间精度的同步捕获问题转换为等价的最大似然幅度估计问题。在接收端，特定设计的三个并行模板对平方后的接收信号分别进行符号级积分采样，利用获得三组符号级采样数据和最大似然准则，计算出帧级时间偏移的最优估计值，从而实现超宽带信号的帧级精度的同步捕获。本发明避免了使用千兆(Gbit/s)以上采样速率的A/D转换器，能实现快速同步捕获，且估计误差小，仿真结果表明该算法性能明显优于文献[1]的算法。
-
Patent Agency Ranking
公开(公告)号：CN107169312B
公开(公告)日：2020-05-08
申请号：CN201710388664.3
申请日：2017-05-27
Applicant: 南开大学
Abstract: 本发明给出了一种低计算复杂度的天然无序蛋白质的预测方法。该方法针对蛋白质序列的每个残基，计算其香农熵、拓扑熵和三种氨基酸倾向性的加权平均值，利用瑞利熵最大化对天然无序蛋白质区域进行预测。该方案仅使用了5种特征和线性分类器，使其具有较高的运算速度和鲁棒性。仿真结果表明，在相似的预测准确度下，本发明设计的天然无序蛋白质的预测方案与现有的同类型预测方案相比，大大减少了特征个数和计算复杂度。
-
公开(公告)号：CN108270450A
公开(公告)日：2018-07-10
申请号：CN201810051207.X
申请日：2018-01-19
Applicant: 南开大学
IPC: H03M13/11
Abstract: 一种高码率下的规则准循环LDPC码的构造方法。本发明给出了一种基于有限几何低密度奇偶校验(LDPC)码构造高码率规则准循环LDPC码的方法。该方法利用有限几何LDPC码可分解为多个循环子矩阵，并可由这些循环子矩阵构成一个准循环矩阵。然后根据这个新构造的准循环矩阵的结构来构造一个辅助矩阵去除其中的六环，从而获得较好的误码性能。仿真结果表明，在相同的码率下，本发明所设计的高码率下并具有规则准循环结构的LDPC码与同类方法相比，具有更多种不同的码长选择，并拥有同样优秀的误码性能。
-
公开(公告)号：CN102882491B
公开(公告)日：2016-04-13
申请号：CN201210405631.2
申请日：2012-10-23
Applicant: 南开大学
IPC: H03H17/02
Abstract: 本发明首次给出一种稀疏无频偏线性相位FIR陷波滤波器的设计方法。该方法利用LASSO算法确定所需滤波器非零抽头系数的数目和位置，再应用最小二乘算法算出这些系数的值。此滤波器的稀疏性可使其实现所用的加法器乘法器数目减少，从而能提高其运算速度、减小运算误差和降低能耗。仿真结果表明，在相同设计指标的要求下，本发明设计的线性相位FIR陷波滤波器比国内外最佳的设计方法设计出同类滤波器相比，其非零抽头系数数目少15%以上，并且没有出现频偏问题。
-
公开(公告)号：CN114664378A
公开(公告)日：2022-06-24
申请号：CN202210236003.X
申请日：2022-03-10
Applicant: 南开大学
Abstract: 一种固有无序蛋白质预测方法，属于生物信息学领域，用于识别固有无序蛋白质区域的深度神经网络结构，该方法使用三个序列特征以及其他已有的蛋白质序列特征作为特征矩阵，利用VGG199变体和两个MLP网络构建深度神经网络实现了较准确的固有无序蛋白质的预测，该结构中VGG19变体位于两个MLP网络之间。三个新颖的序列特征即持久熵、连续两个氨基酸的相关概率特征和连续三个氨基酸的相关概率特征第一次被用于识别固有无序蛋白质区域。该方法利用VGG199变体和两个MLP网络构建深度神经网络MLP‑VGG19‑MLP实现了较准确的固有无序蛋白质的预测。
-
公开(公告)号：CN107169312A
公开(公告)日：2017-09-15
申请号：CN201710388664.3
申请日：2017-05-27
Applicant: 南开大学
Abstract: 本发明给出了一种低计算复杂度的天然无序蛋白质的预测方法。该方法针对蛋白质序列的每个残基，计算其香农熵、拓扑熵和三种氨基酸倾向性的加权平均值，利用瑞利熵最大化对天然无序蛋白质区域进行预测。该方案仅使用了5种特征和线性分类器，使其具有较高的运算速度和鲁棒性。仿真结果表明，在相似的预测准确度下，本发明设计的天然无序蛋白质的预测方案与现有的同类型预测方案相比，大大减少了特征个数和计算复杂度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.014 seconds)
