-
公开(公告)号：CN112927124B
公开(公告)日：2024-10-29
申请号：CN202110352221.5
申请日：2021-03-31
Applicant: 成都商汤科技有限公司 , 电子科技大学
Abstract: 本发明涉及一种数据处理方法、装置、设备及存储介质，所述数据处理方法包括：根据卷积运算的步长对待处理数据进行采样，得到至少一个第一采样结果，其中，所述步长大于1；根据所述卷积运算的步长对卷积核进行采样，得到至少一个第二采样结果，其中，所述至少一个第一采样结果和所述至少一个第二采样结果一一对应；将所述至少一个第一采样结果和所述至少一个第二采样结果，对应的输入至处理阵列，以使所述处理阵列输出处理结果。
-
公开(公告)号：CN112967211B
公开(公告)日：2024-09-13
申请号：CN202110132579.7
申请日：2021-01-31
Applicant: 成都商汤科技有限公司 , 电子科技大学
IPC: G06T5/50
Abstract: 本公开提供了一种图像处理方法、装置、计算机设备及存储介质，其中，该方法包括：对多张待处理图像数据进行像素组合处理，得到目标图像；利用乘加器阵列对所述目标图像进行处理；基于所述多张待处理图像数据在所述乘加器阵列中分别对应的乘加器得到的处理结果，确定每张待处理图像数据的处理结果。本公开能用同一个乘加器阵列同时处理多张待处理图像数据，基于多张待处理图像数据在乘加器阵列中分别对应的乘加器得到的处理结果，就可以确定每张待处理图像数据的处理结果，提高了乘加器阵列的利用率、减少对计算资源的浪费，并且提高了对待处理图像数据的处理效率。
-
公开(公告)号：CN113052760B
公开(公告)日：2024-08-13
申请号：CN202110518017.6
申请日：2021-05-12
Applicant: 成都商汤科技有限公司 , 电子科技大学
IPC: G06T3/04
Abstract: 本申请提出一种池化方法、芯片、设备和存储介质。其中，上述方法可以包括获取目标特征图。对上述目标特征图进行拆分，得到若干子特征图。其中，上述目标特征图中处于同一池化窗口内的至少部分像素值分别处于不同的子特征图，各池化窗口内处于同一位置的像素值处于同一子特征图。对各子特征图中属于不同池化窗口的像素并行处理，得到上述目标特征图对应的池化结果。
-
公开(公告)号：CN114448448B
公开(公告)日：2023-07-28
申请号：CN202210098662.1
申请日：2022-01-24
Applicant: 电子科技大学
Abstract: 本发明属于无线通讯技术领域，具体涉及一种基于CA‑SCL的极化码编译码方法，本发明在进行极化码编码之前首先对信息比特序列采用前密后疏的方式进行分段，并在每一端末尾加上奇偶校验位，并将上述分段合并成一个新的信息序列，然后在新的信息序列的末尾再加上CRC校验码，从译码列表中选取能通过CRC校验且PM值最小的译码路径作为译码结果并输出。本申请采用前密后疏的分段方式，这样能在译码前期更早更密集地进行奇偶校验，根据校验结果更早的终止错误的译码路径，从而减少了后续不必要的计算，降低了译码的时间复杂度和空间复杂度。
-
公开(公告)号：CN112966729B
公开(公告)日：2023-01-31
申请号：CN202110221235.3
申请日：2021-02-26
Applicant: 成都商汤科技有限公司 , 电子科技大学
Abstract: 本公开提供了一种数据处理方法、装置、计算机设备及存储介质，其中，该方法包括：从待处理图像特征矩阵以及权重矩阵中，确定多个处理周期分别对应的目标特征元素以及目标权重元素；其中，所述待处理图像特征矩阵对应多个权重矩阵；响应于任一处理周期到来，处理引擎PE阵列中的每个PE获取该处理周期对应的目标特征元素以及对应的目标权重元素并进行预设运算，得到中间处理数据；其中，针对任一处理周期，所述PE阵列中的目标特征元素包括重复特征元素，以及该重复特征元素分别与不同权重矩阵中与该重复特征元素对应的目标权重元素相对应；基于多个处理周期分别对应的中间处理数据，得到对所述待处理图像特征矩阵进行处理的结果数据。
-
Patent Agency Ranking
公开(公告)号：CN108900290B
公开(公告)日：2021-02-02
申请号：CN201810677165.0
申请日：2018-06-27
Applicant: 电子科技大学
IPC: H04L5/00 , H04B7/0413
Abstract: 本发明公开而了一种基于定位信息的导频分配方法，属于通信技术领域，特别涉及一种基于定位信息的导频分配方法。本发明基于用户位置信息和基站位置信息，该导频分配技术相对于背景技术而言，在整个大规模MIMO系统的用户平均性能(信道的平均归一化均方误差)方面表现更好；除此之外，在整个通信系统用户之间的公平性方面，该导频分配技术也有较大提升。
-
公开(公告)号：CN111582320A
公开(公告)日：2020-08-25
申请号：CN202010302865.9
申请日：2020-04-17
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于半监督学习的动态个体识别方法，该方法涉及辐射源个体识别技术领域。为尝试解决个体间相似的辐射源个体识别准确率低，同时有效检测未知类的问题，本发明基于信号的时频域特征，利用神经网络进行辐射源个体识别，同时对没有标签的未知个体进行检测，并自动加标签，动态迭代数据库，是针对目前辐射源个体识别相关问题的有效尝试，而且还可以检测无标签的未知个体，然后自动加标签，同时迭代更新数据库。本方法对已知类识别准确率达到99％以上，而且未知类的误差率小于0.6％。
-
公开(公告)号：CN111382803A
公开(公告)日：2020-07-07
申请号：CN202010189611.0
申请日：2020-03-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的特征融合方法，涉及电磁信号识别技术领域。首先对目标离散信号进行预处理，使用短时傅里叶变换提取所有数据的功率谱密度P，将功率谱密度P作为通信信号源的特征；再以功率谱密度P作为通信辐射源的特征导入事先训练好的神经网络，完成特征的提取，得到特征P1；其次将目标离散信号分段，求每一段的载频和码元速率相对偏差，将之作为特征P2；最后将提取后的特征P2与特征P1在数量级上对应拼接起来，作为融合特征P3；采用融合特征P3对信号进行识别。与现有技术相比，本发明技术方案的有益效果是：具有更高的识别率，能够准确识别通信信号设备。
-
公开(公告)号：CN110572772A
公开(公告)日：2019-12-13
申请号：CN201910861355.2
申请日：2019-09-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于GRNN-AdaBoost的多设备融合定位方法，其包括获取智能手机和智能手表采集的用户运动轨迹的惯导数据，并对智能手机和智能手表的惯导数据进行预处理得到测试样本；将测试样本输入采用自适应增强算法训练的GRNN网络模型中，并输出GRNN网络的多个强回归预测器得到的预测值；选取多个强回归预测器得到的预测值的中值作为用户最终的定位坐标。本方案的定位方法通过由多个强回归预测器组成的GRNN网络预测智能手机与智能手表收集的惯导数据的预测值，在通过取中值的方式就可以得到最终的准确位置。
-
公开(公告)号：CN109120292A
公开(公告)日：2019-01-01
申请号：CN201810885805.7
申请日：2018-08-06
Applicant: 电子科技大学
Abstract: 本发明公开了一种数字自动增益控制系统及方法，该系统包括直流计算模块、增益调整模块、限幅器、cordic求模模块、IIR低通滤波器、误差控制模块、增益计算模块和增益限制模块；增益调整模块、限幅器、cordic求模模块、IIR低通滤波器、误差控制模块、增益计算模块和增益限制模块顺次循环通信连接；直流计算模块通过一个减法器与增益调整模块通信连接；IIR低通滤波器通过一个加法器与误差控制模块连接。本发明采用加减、乘法和移位操作完成反馈控制，在硬件实现中更加简单，并且AGC动态调整范围更大，系统调整时间分三档可控；同时，使用直流滤波和IIR一阶滤波器解决AM信号下控制算法的收敛速度慢或者不收敛的问题。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.039 seconds)
