公开(公告)号：CN119814046A

公开(公告)日：2025-04-11

申请号：CN202411855004.8

申请日：2024-12-17

Applicant: 安徽中科太赫兹科技有限公司 ,  安徽大学

Inventor： 刘海庆 ,  秦帝 ,  王宏北 ,  张雪梅

IPC: H03M13/11 ,  H03M13/00

Abstract: 本发明公开了一种基于FPGA的QC‑LDPC码译码器及其实现方法，属于通信技术领域。信道信息以及后验概率存储单元LLR_RAM，前端移位寄存器单元F_shifter。本发明在变量节点处理单元VNU前引入了一个数据选择器Data_selector，该选择器连接移位寄存器，该选择器灵活连接移位寄存器的输出值至VNU，从而将当前层的RAM读操作提前至上一层数据更新阶段，本层更新数据也部分写入存储单元LLR_RAM，部分传递至下一层VNU，减少了RAM读取的三个时钟周期，提高效率并且不降低译码性能；此外，采用层内并行译码算法和4级流水线结构技术，使译码器吞吐量进一步的带提升；提升解码速度并降低延迟且不降低性能，适用于高速通信场景中的LDPC译码应用。

公开(公告)号：CN117973456B

公开(公告)日：2024-07-02

申请号：CN202410370266.9

申请日：2024-03-29

Applicant: 安徽大学

Inventor： 薄勇 ,  李智 ,  杨利霞 ,  马玥彤 ,  王佳辰 ,  秦帝

IPC: G06N3/0464 ,  G01S13/89 ,  G06N3/082 ,  G06N3/048 ,  G06F7/78

Abstract: 本发明公开了一种基于深度学习网络模型的电磁逆散射成像方法，包括：数据预处理阶段：将复数数据的实部与虚部分别放入两个矩阵中；深度学习网络模型的构建以及训练测试阶段，其中，训练阶段包括以电场数据作为深度学习网络（EIS‑Net）的输入，相对介电常数数据作为输出，训练模型；测试分析阶段包括将测试集输入模型，得到相对介电常数实部与虚部的矩阵，通过表示相对介电常数实部的矩阵可以得到色散介质与普通介质的形状与位置信息，通过表示虚部的矩阵可以对二者进行区分。本发明利用基于残差结构的深度学习网络对混合介质的参数进行重构，在得到色散介质与普通介质形状与位置信息的同时能够对二者进行有效区分，提高了识别效率与准确率。

公开(公告)号：CN117973456A

公开(公告)日：2024-05-03

申请号：CN202410370266.9

申请日：2024-03-29

Applicant: 安徽大学

Inventor： 薄勇 ,  李智 ,  杨利霞 ,  马玥彤 ,  王佳辰 ,  秦帝

IPC: G06N3/0464 ,  G01S13/89 ,  G06N3/082 ,  G06N3/048 ,  G06F7/78

Abstract: 本发明公开了一种基于深度学习网络模型的电磁逆散射成像方法，包括：数据预处理阶段：将复数数据的实部与虚部分别放入两个矩阵中；深度学习网络模型的构建以及训练测试阶段，其中，训练阶段包括以电场数据作为深度学习网络（EIS‑Net）的输入，相对介电常数数据作为输出，训练模型；测试分析阶段包括将测试集输入模型，得到相对介电常数实部与虚部的矩阵，通过表示相对介电常数实部的矩阵可以得到色散介质与普通介质的形状与位置信息，通过表示虚部的矩阵可以对二者进行区分。本发明利用基于残差结构的深度学习网络对混合介质的参数进行重构，在得到色散介质与普通介质形状与位置信息的同时能够对二者进行有效区分，提高了识别效率与准确率。