-
公开(公告)号：CN118316493B
公开(公告)日：2024-08-02
申请号：CN202410746827.0
申请日：2024-06-11
Applicant: 成都信息工程大学
IPC: H04B7/0456 , H04B7/0413 , H04B7/06
Abstract: 本发明涉及信号传输技术领域，尤其涉及一种联合正交匹配追踪及卡尔曼迭代混合波束赋形方法及系统，该方法包括以下步骤：S10，基于联合正交匹配追踪算法计算出发射端的数字预编码矩阵和模拟预编码矩阵；S20，基于卡尔曼迭代算法对所述数字预编码矩阵进行优化，获得优化后的数字预编码矩阵；S30，利用所述模拟预编码矩阵和优化后的数字预编码矩阵调整发送信号的相位和振幅，以使得所述发送信号沿指定方向发射。采用本发明进行混合波束赋形，可以提高频谱效率，且具有更好的抗干扰性能。
-
公开(公告)号：CN118041471A
公开(公告)日：2024-05-14
申请号：CN202410432093.9
申请日：2024-04-11
Applicant: 成都信息工程大学
IPC: H04B17/382 , H04W72/0453 , H04W72/50 , G06F18/27 , G06N20/00
Abstract: 本发明涉及信号传输技术领域，尤其涉及基于机器学习逻辑回归算法的频谱感知方法及系统，该方法包括以下步骤：S1，采集认知节点所接收到的信号，并从信号中解析出信号数据；S2，对解析出的信号数据进行预处理，所述预处理依次包括特征提取、无量纲化、特征降维；S3，预先训练完成的逻辑回归模型对预处理后的信号数据进行处理，输出得到频谱是否空闲的概率值，概率值大于阈值则判别为频谱空闲，小于等于阈值则判别为频谱不空闲。该系统包括数据采集模块、预处理模块、频谱感知模块。采用本发明进行频谱感知，准确度高，且计算量小，感知效率高。
-
公开(公告)号：CN118316493A
公开(公告)日：2024-07-09
申请号：CN202410746827.0
申请日：2024-06-11
Applicant: 成都信息工程大学
IPC: H04B7/0456 , H04B7/0413 , H04B7/06
Abstract: 本发明涉及信号传输技术领域，尤其涉及一种联合正交匹配追踪及卡尔曼迭代混合波束赋形方法及系统，该方法包括以下步骤：S10，基于联合正交匹配追踪算法计算出发射端的数字预编码矩阵和模拟预编码矩阵；S20，基于卡尔曼迭代算法对所述数字预编码矩阵进行优化，获得优化后的数字预编码矩阵；S30，利用所述模拟预编码矩阵和优化后的数字预编码矩阵调整发送信号的相位和振幅，以使得所述发送信号沿指定方向发射。采用本发明进行混合波束赋形，可以提高频谱效率，且具有更好的抗干扰性能。
-
公开(公告)号：CN118075760A
公开(公告)日：2024-05-24
申请号：CN202410496441.9
申请日：2024-04-24
Applicant: 成都信息工程大学
IPC: H04W16/14 , H04B17/382
Abstract: 本发明涉及信号传输技术领域，尤其涉及一种基于新一代无线电和WiFi共存的非授权频谱接入方法及系统，该方法包括以下步骤：S1，主要用户进行波速扫描以获取主要基站的最佳通信方向，次要用户进行波速扫描以获取次要基站的最佳通信方向；S2，主要用户和次要用户分别在各自的最佳通信方向上同时进行LBT频谱感知，并将感知结果反馈给基站，以便于基站将感知结果传输给数据中心；S3，数据中心根据主要用户的感知结果和次要用户的感知结果制定接入策略。该系统包括主要用户、主要基站、次要用户、次要基站、数据中心，主要基站和次要基站均与数据中心通讯连接。本发明可以有效解决频谱感知结果误报、漏报的问题。
-
公开(公告)号：CN118075760B
公开(公告)日：2024-06-18
申请号：CN202410496441.9
申请日：2024-04-24
Applicant: 成都信息工程大学
IPC: H04W16/14 , H04B17/382
Abstract: 本发明涉及信号传输技术领域，尤其涉及一种基于新一代无线电和WiFi共存的非授权频谱接入方法及系统，该方法包括以下步骤：S1，主要用户进行波束扫描以获取主要基站的最佳通信方向，次要用户进行波束扫描以获取次要基站的最佳通信方向；S2，主要用户和次要用户分别在各自的最佳通信方向上同时进行LBT频谱感知，并将感知结果反馈给基站，以便于基站将感知结果传输给数据中心；S3，数据中心根据主要用户的感知结果和次要用户的感知结果制定接入策略。该系统包括主要用户、主要基站、次要用户、次要基站、数据中心，主要基站和次要基站均与数据中心通讯连接。本发明可以有效解决频谱感知结果误报、漏报的问题。
-
Patent Agency Ranking
公开(公告)号：CN118041471B
公开(公告)日：2024-06-11
申请号：CN202410432093.9
申请日：2024-04-11
Applicant: 成都信息工程大学
IPC: G06F30/27
Abstract: 本发明涉及信号传输技术领域，尤其涉及基于机器学习逻辑回归算法的频谱感知方法及系统，该方法包括以下步骤：S1，采集认知节点所接收到的信号，并从信号中解析出信号数据；S2，对解析出的信号数据进行预处理，所述预处理依次包括特征提取、无量纲化、特征降维；S3，预先训练完成的逻辑回归模型对预处理后的信号数据进行处理，输出得到频谱是否空闲的概率值，概率值大于阈值则判别为频谱空闲，小于等于阈值则判别为频谱不空闲。该系统包括数据采集模块、预处理模块、频谱感知模块。采用本发明进行频谱感知，准确度高，且计算量小，感知效率高。
-
公开(公告)号：CN118628891B
公开(公告)日：2024-10-25
申请号：CN202411088057.1
申请日：2024-08-09
Applicant: 成都信息工程大学
Abstract: 本发明涉及电数字数据处理技术领域，尤其涉及基于YOLOv8n改进算法的目标检测方法及系统，该目标检测方法包括以下步骤：S10，实时采集自动驾驶现场图像；S20，将采集的图像输入目标检测模型，输出得到检测结果；所述目标检测模型包括骨干网络单元、颈部网络单元和头部网络单元，所述骨干网络单元包括卷积到完全连接‑可变形卷积网络模块，所述颈部网络单元包括全局注意力模块，所述头部网络单元包括动态头部模块。该目标检测系统包括图像采集模块和目标检测模块。本发明在保障检测速度的基础上具有更高的检测精度。
-
公开(公告)号：CN118628891A
公开(公告)日：2024-09-10
申请号：CN202411088057.1
申请日：2024-08-09
Applicant: 成都信息工程大学
Abstract: 本发明涉及电数字数据处理技术领域，尤其涉及基于YOLOv8n改进算法的目标检测方法及系统，该目标检测方法包括以下步骤：S10，实时采集自动驾驶现场图像；S20，将采集的图像输入目标检测模型，输出得到检测结果；所述目标检测模型包括骨干网络单元、颈部网络单元和头部网络单元，所述骨干网络单元包括卷积到完全连接‑可变形卷积网络模块，所述颈部网络单元包括全局注意力模块，所述头部网络单元包括动态头部模块。该目标检测系统包括图像采集模块和目标检测模块。本发明在保障检测速度的基础上具有更高的检测精度。
-
公开(公告)号：CN117901122B
公开(公告)日：2024-05-17
申请号：CN202410310949.5
申请日：2024-03-19
Applicant: 成都信息工程大学
Abstract: 本发明涉及数据处理技术领域，尤其涉及基于Logistic‑Tent混沌映射Levenberg Marquardt的机器人定位方法及系统，该方法包括以下步骤：S1，测量机器人末端的实际位置；S2，构建机器人的运动学模型，并基于运动学模型计算出机器人末端的理论位置；S3，基于机器人末端的理论位置和实际位置，采用Logistic‑Tent混沌映射Levenberg Marquardt算法识别出机器人的几何参数误差；S4，基于识别出的几何参数误差对机器人的几何参数进行误差补偿。该系统包括测量数据接收模块、理论位置计算模块、几何参数误差识别模块和误差补偿模块。本发明可以有效改善传统LM算法产生的截断误差，提高机器人几何参数误差识别精度，继而提高机器人定位精度。
-
公开(公告)号：CN117901122A
公开(公告)日：2024-04-19
申请号：CN202410310949.5
申请日：2024-03-19
Applicant: 成都信息工程大学
Abstract: 本发明涉及数据处理技术领域，尤其涉及基于Logistic‑Tent混沌映射Levenberg Marquardt的机器人定位方法及系统，该方法包括以下步骤：S1，测量机器人末端的实际位置；S2，构建机器人的运动学模型，并基于运动学模型计算出机器人末端的理论位置；S3，基于机器人末端的理论位置和实际位置，采用Logistic‑Tent混沌映射Levenberg Marquardt算法识别出机器人的几何参数误差；S4，基于识别出的几何参数误差对机器人的几何参数进行误差补偿。该系统包括测量数据接收模块、理论位置计算模块、几何参数误差识别模块和误差补偿模块。本发明可以有效改善传统LM算法产生的截断误差，提高机器人几何参数误差识别精度，继而提高机器人定位精度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
