-
公开(公告)号：CN102664669A
公开(公告)日：2012-09-12
申请号：CN201210125259.X
申请日：2012-04-26
Applicant: 厦门大学 , 京信通信系统(中国)有限公司
Abstract: 一种提高室内分布式多输入多输出系统信道容量的方法，涉及无线通信领域。提供一种可获得最佳提升系统容量的性能的提高室内分布式多输入多输出系统信道容量的方法。发射端根据接收端反馈的角域信息，建立分布式多输入多输出信道的角域模型；根据建立的分布式多输入多输出信道的角域模型，针对不同室内环境重新构造信道信息矩阵；根据信道信息矩阵，在室内分布式天线中选择信道增益较大和到达角差异较大的发射天线用于数据发送；利用奇异值分解方法分解天线选择后的信道信息矩阵，并采用功率注水算法对已选择的发射天线进行功率分配；利用室内分布式多输入多输出系统，发送各用户在各个信道中的待发送信号，从而达到提高信道容量的目的。
-
公开(公告)号：CN112383368A
公开(公告)日：2021-02-19
申请号：CN202011092683.X
申请日：2020-10-13
Applicant: 厦门大学 , 京信通信系统(中国)有限公司
IPC: H04B17/318 , H04W72/04 , H04W72/08
Abstract: 本发明公开了一种波束测量方法、介质、设备及系统，基站包括多个波束，其中，每个波束具有相应的覆盖区域；方法包括：获取每个波束对应的概率分布值，并根据概率分布值对多个波束进行排序，以及根据波束的排序进行物理层参考信号接收功率测量；根据测量结果更新每个波束对应的概率分布值，并根据更新后的概率分布值计算对应的标准差和期望值；判断标准差是否小于等于预设的最大标准差阈值；如果是，则根据期望值对多个波束进行排序，并根据排序结果依序向终端设备发送波束对应的参考信号，以及根据该参考信号对波束进行测量，以便根据测量结果选择终端设备的工作波束；能够在移动通信过程中，对波束进行有效测量，同时，提高波束测量效率。
-
公开(公告)号：CN102664669B
公开(公告)日：2015-03-25
申请号：CN201210125259.X
申请日：2012-04-26
Applicant: 厦门大学 , 京信通信系统(中国)有限公司
Abstract: 一种提高室内分布式多输入多输出系统信道容量的方法，涉及无线通信领域。提供一种可获得最佳提升系统容量的性能的提高室内分布式多输入多输出系统信道容量的方法。发射端根据接收端反馈的角域信息，建立分布式多输入多输出信道的角域模型；根据建立的分布式多输入多输出信道的角域模型，针对不同室内环境重新构造信道信息矩阵；根据信道信息矩阵，在室内分布式天线中选择信道增益较大和到达角差异较大的发射天线用于数据发送；利用奇异值分解方法分解天线选择后的信道信息矩阵，并采用功率注水算法对已选择的发射天线进行功率分配；利用室内分布式多输入多输出系统，发送各用户在各个信道中的待发送信号，从而达到提高信道容量的目的。
-
公开(公告)号：CN118646655A
公开(公告)日：2024-09-13
申请号：CN202410762783.0
申请日：2024-06-13
Abstract: 本申请的实施例提供了一种基于社交网络的节点通信方法、装置、介质及设备。该方法包括：根据陌生节点的任务需求以及陌生节点在当前时刻之前与目标社交网络中各网络节点之间的交互信息，生成陌生节点在当前时刻对应的第一节点特征；根据目标社交网络中网络节点之间的关联信息以及各网络节点对应的第二节点特征，生成初始环境信息并更新，得到目标环境信息；将目标环境信息与第一节点特征输入至强化学习模块中，确定陌生节点每一可能的动作对应的奖励，以得到目标社交网络中每一网络节点对应的关注值，从而确定陌生节点的通信策略。本申请实施例的技术方案可以提高通信资源分配的合理性，进而保证节点之间信息交换的效率和准确性。
-
公开(公告)号：CN118393506A
公开(公告)日：2024-07-26
申请号：CN202410300842.2
申请日：2024-03-15
Applicant: 厦门大学
IPC: G01S13/931 , G01S7/41 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于毫米波雷达的目标检测方法，获取无标签雷达热图数据和有标签雷达热图数据；构建编码器网络，采用对比学习的方式在无标签雷达热图数据上训练编码器网络，以得到编码器网络参数，并将编码器网络参数设置为不可学习；构建解码器网络，将解码器网络与训练好的编码器网络相连接，以得到编解码网络，并采用有标签雷达热图数据对编解码网络进行训练，以得到解码器网络参数；对训练后的编解码网络进行复制，以得到教师网络和学生网络，并采用无标签雷达热图数据和有标签雷达热图数据对教师网络和学生网络进行训练，以便采用训练好的学生网络进行目标检测；从而无需依赖于大量带标签的数据样本即可实现可靠的雷达目标检测。
-
Patent Agency Ranking
公开(公告)号：CN113949986B
公开(公告)日：2024-03-29
申请号：CN202110920975.6
申请日：2021-08-11
Applicant: 厦门大学 , 京信网络系统股份有限公司
IPC: H04W4/02 , H04W4/021 , H04W4/33 , H04W56/00 , G08B13/24 , H04J3/06 , G06K17/00 , G06F18/22 , G06F18/2413 , G06F18/2415 , G06N3/0464 , G06N3/047
Abstract: 本发明提供WR和射频指纹技术的定位方法、系统及监控方法，方法包括服务器与同步设备连接，若干个射频信号接收机分别与同步设备连接；射频信号接收机捕捉到射频信号后，经同步设备传输至服务器；服务器依据射频信号提取瞬态信号，获取瞬态信号对应的瞬态特征和各个接收机接收信号的到达时间差；服务器依据瞬态特征查找射频指纹库，判断是否存在与瞬态特征匹配的射频指纹；若存在，则依据射频指纹确定射频标签；依据所述到达时间差和接收机的坐标位置，计算得到射频标签的坐标位置。本发明能够精准地辨别发送射频信号的射频标签的身份，并准确地定位其所在位置。使得室内定位技术在精确度上得到提升，同时在监控方面具有较高实用性。
-
公开(公告)号：CN117612200A
公开(公告)日：2024-02-27
申请号：CN202311369478.7
申请日：2023-10-20
Applicant: 厦门大学
IPC: G06V40/10 , G06V10/776 , G06V20/64 , G06V10/44 , G06N3/096
Abstract: 本申请的实施例提供了一种知识迁移的姿态估计模型的训练和识别方法。该训练方法包括：获取模型训练数据，模型训练数据包括相对应且预处理后的相机点云数据和雷达点云数据；根据相机点云数据对预先构建的第一训练模块进行训练，得到教师模型；根据雷达点云数据对预先构建的第二训练模块进行训练，得到学生模型；根据雷达点云数据对学生模型进行训练，得到目标姿态估计模型。本申请实施例的技术方案可以在现有毫米波雷达获取的稀疏点云的基础上，提高人体姿态识别结果的准确度。
-
公开(公告)号：CN116054896A
公开(公告)日：2023-05-02
申请号：CN202211651558.7
申请日：2022-12-21
Applicant: 厦门大学
Abstract: 本申请的实施例提供了一种基于强化学习的安全波束成形方法、装置、介质及设备。该方法包括：在各时隙开始时，基于当前的基站波束成形矩阵、RIS相移矩阵以及开关控制向量，确定通信感知一体化系统的当前通信状态；从动作集合中选择一目标动作，确定对应的动作奖励；确定通信感知一体化系统在下一时隙开始时的通信状态；将通信感知一体化系统对应的当前通信状态、目标动作、动作奖励以及下一时隙开始时的通信状态相关联并作为训练数据存储至经验池中；从经验池中获取若干训练数据对待训练神经网络进行训练，以得到用于安全波束成形的目标神经网络。本申请实施例的技术方案可以提高通信感知一体化系统的安全传输的效率和可靠性。
-
公开(公告)号：CN110765992B
公开(公告)日：2023-03-24
申请号：CN201910901481.6
申请日：2019-09-23
Applicant: 厦门大学
Abstract: 本发明公开了一种印章鉴别方法、介质、设备及装置，其中方法包括：获取待鉴别印章图像所对应的原始印章图像；分别提取两者的特征点，并根据特征点对待鉴别印章图像和/或原始印章图像进行移动，以使得待鉴别印章图像和原始印章图像重合；计算待鉴别印章图像和原始印章图像的几何结构特征值，并判断待鉴别印章图像的几何结构特征值和原始印章图像的几何结构特征值之间的差值是否小于预设的差值阈值；如果是，则对印章图像进行切割，以生成多个相对应的切分区间，并计算每对切分区间之间的相似度，以根据相似度生成待鉴别印章图像对应的鉴别结果；能够自动对待鉴别印章进行有效鉴别，提高印章鉴别效率和精度，保证原始印章拥有者的权益不受损害。
-
公开(公告)号：CN108282238B
公开(公告)日：2020-10-27
申请号：CN201810083354.5
申请日：2018-01-29
Applicant: 厦门大学
IPC: H04B17/336 , H04B17/391 , H04L1/00 , H04W40/04 , H04W40/16
Abstract: 本发明提出一种基于网络编码技术的中继选择方法及装置，方法包括：首先根据通信质量，选择最优的中继，然后根据各种网络编码方式的干扰容量，选取干扰最小的网络编码方式，保证了信息的有效传输，同时也最大化系统资源的利用率；干扰最小的网络编码方式的选择采用强化学习的方法，通过感知环境状态信息来学习动态系统的最优策略，通过试错法不断与环境交互获得策略的改进，为用户选择通信质量最优的中继和干扰最小的网络编码方式。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.044 seconds)
