一种零中频接收机IQ信号不平衡的校正方法及系统

    公开(公告)号:CN119483620A

    公开(公告)日:2025-02-18

    申请号:CN202411520426.X

    申请日:2024-10-29

    Abstract: 本发明公开了零中频接收机IQ信号不平衡的校正方法及系统,方法如下:一、输入正交调制的射频信号至零中频接收机;二、对射频信号进行混频;三、对信号进行滤波放大;四、对信号进行模数转换;五、信号传入基带处理单元,分别求平方得到功率;六、设定零中频接收机能接收到的信号的平均功率阈值;七、求取第一平均功率;八、判断第一平均功率与平均功率阈值大小,执行步骤九或七;九、求取第二平均功率;十、判断第二平均功率与平均功率阈值大小,执行步骤十一或九;十一、将幅度校正后的两模数转换信号相乘得到乘积;十二、将乘积分段求平均值得到平均值;十三、根据平均值,决定结束校正过程或执行步骤十二。

    基于多项式映射的特征构建的非线性均衡方法及系统

    公开(公告)号:CN114204993B

    公开(公告)日:2023-08-04

    申请号:CN202111533740.8

    申请日:2021-12-15

    Abstract: 本发明公开了基于多项式映射的特征构建的非线性均衡方法及系统,本发明方法具体步骤如下:S1、接收端采样信号Xt经过归一化处理得到均衡器归一化的接收端采样信号X;S2、根据多项式方法引入信号的非线性特征,重新构建特征序列Xf;S3、利用自适应算法,在训练集上调整线性均衡器的抽头系数,得到训练好的线性均衡器,将需要进行均衡的信号输入到均衡器中,并对均衡器输出进行判决,实现信道均衡。本发明通过特征构建利用线性均衡器处理信号的非线性损伤,与传统非线性均衡器相比,大幅度缓解自适应调整均衡器各个抽头权重过程中庞大的计算量,并且能够获得与非线性均衡器相同数量级的性能。

    一种基于泰勒展开优化的种群平衡系统及方法

    公开(公告)号:CN113239611B

    公开(公告)日:2022-05-31

    申请号:CN202110333221.0

    申请日:2021-03-29

    Abstract: 本发明公开了一种基于泰勒展开优化的种群平衡系统及方法,本发明方法具体步骤如下:步骤1,选择功能反应函数,建立数学模型;步骤2,求解宿主和寄生物物种模型的平衡点;步骤3,以平衡点为圆心画圆,得到泰勒展开式;步骤4,求解圆在半径并进行分析、优化;步骤5,通过局部渐进稳定定理,得到物种平衡的区域。本发明以宿主与寄生物呈负二项分布的关系为基础,建立种群数量相关的数学模型,运用泰勒展开优化和局部渐进稳定的方法,求解出宿主—寄生物种群的趋于生态平衡的范围,并通过数值计算验证该方法的正确性。

    一种基于泰勒展开优化的种群平衡系统及方法

    公开(公告)号:CN113239611A

    公开(公告)日:2021-08-10

    申请号:CN202110333221.0

    申请日:2021-03-29

    Abstract: 本发明公开了一种基于泰勒展开优化的种群平衡系统及方法,本发明方法具体步骤如下:步骤1,选择功能反应函数,建立数学模型;步骤2,求解宿主和寄生物物种模型的平衡点;步骤3,以平衡点为圆心画圆,得到泰勒展开式;步骤4,求解圆在半径并进行分析、优化;步骤5,通过局部渐进稳定定理,得到物种平衡的区域。本发明以宿主与寄生物呈负二项分布的关系为基础,建立种群数量相关的数学模型,运用泰勒展开优化和局部渐进稳定的方法,求解出宿主—寄生物种群的趋于生态平衡的范围,并通过数值计算验证该方法的正确性。

    一种联邦学习中客户端数据标签不平衡检测方法及系统

    公开(公告)号:CN119886282A

    公开(公告)日:2025-04-25

    申请号:CN202411799766.0

    申请日:2024-12-09

    Abstract: 本发明公开了一种联邦学习中客户端数据标签不平衡检测方法及系统,方法如下:(1)使用联邦学习中服务器持有的验证数据集和生成对抗网络生成多种标签分布偏移已知的数据集,得到虚拟客户端数据集;(2)以虚拟客户端数据集及其已知的数据集分布类型驱动待学习的联邦学习模型进行训练,每个虚拟客户端待学习的模型都初始化同一个模型;(3)训练结束后,提取模型参数作为特征,虚拟客户端数据集分布类型作为标签,构成用于训练客户端数据集分布类型的新的数据集;(4)使用得到的数据集,驱动标签偏移识别深度神经网络模型,开展深度神经网络模型学习;(5)完成标签偏移识别深度神经网络模型训练后,将标签偏移识别深度神经网络模型部署到联邦学习服务器中。

    一种基于OMCR-YOLO网络的车辆目标检测方法

    公开(公告)号:CN119229099A

    公开(公告)日:2024-12-31

    申请号:CN202411760458.7

    申请日:2024-12-03

    Abstract: 本发明公开了一种基于OMCR‑YOLO网络的车辆目标检测方法,包括如下步骤:步骤1、获取道路交通的开源数据集,所述数据集标识有类别标签、时间标签和天气标签;步骤2、配置模型训练环境;步骤3、构建OMCR‑YOLO网络模型;步骤4、将构建好的OMCR‑YOLO网络模型加载至配置好的模型训练环境中,并修改模型的参数文件,并将获取的数据集进行训练和检测;步骤5、待检测的交通图像数据作为输入,应用完成训练的OMCR‑YOLO网络模型进行车辆目标的检测。该方法不仅提高特征提取的精确性,还降低模型的参数量,实现了性能和效率之间的平衡。

Patent Agency Ranking