-
公开(公告)号：CN101309241A
公开(公告)日：2008-11-19
申请号：CN200810044614.4
申请日：2008-06-03
Applicant: 电子科技大学
Abstract: 本发明提供全通均衡的时间反演超宽带无线通信方法，用以抑制UWB无线通信系统中的相干多径效应，提高通信系统的传输性能，属于无线通信技术领域。首先测量无线信道的冲击响应Hc(ω)＝|Hc(ω)|·ejθ(ω)，然后分别构造无线信道的全通均衡因子H2(ω)＝1/|Hc(ω)|2和无线信道的时间反演因子H1(ω)＝|Hc(ω)|·e－jθ(ω)，最后利用全通均衡因子H2(ω)和时间反演因子H1(ω)，对无线信道进行全通均衡的时间反演处理，使得经全通均衡的时间反演处理后的无线信道的传输函数Hc′(ω)＝H2(ω)·H1(ω)·Hc(ω)＝1。本发明采用全通均衡因子H(ω)＝1/|Hc(ω)|2对时间反演的无线信道进行全通均衡，使得经全通均衡的时间反演处理后的无线信道可等效为一个全通信道，消除了超宽带无线信道中相干多径(即频率选择性衰落)效应。本发明操作简单、运算量小，可应用于不同通信体制的无线通信系统。
-
公开(公告)号：CN113792856B
公开(公告)日：2022-06-10
申请号：CN202111058809.6
申请日：2021-09-09
Applicant: 电子科技大学
Abstract: 本发明公开了基于VAE医疗保健联邦学习框架的确定方法，涉及计算机科学、机器学习以及联邦学习技术领域，解决基于联邦学习的医疗保健领域的三个挑战，第一，数据分布非IID导致的最终模型性能降低以及收敛速度慢的问题。第二，医疗数据的正负样本分布不均衡导致的模型偏差较大的问题。第三，联邦学习下所消耗的通信带宽过大导致的难以实际部署的问题。我们先在联邦学习框架下训练两个轻量级的VAE，然后将训练好的VAE分发给所有的节点用于更新自己的本地数据，而更新后的本地数据具有的特点就是数据都是低维且分布具有相似性并且类别是均衡的。最后再利用这样的数据对异常检测模型进行训练。
-
公开(公告)号：CN101309242B
公开(公告)日：2012-07-18
申请号：CN200810044615.9
申请日：2008-06-03
Applicant: 电子科技大学
Abstract: 本发明提供全通均衡的时间反演超宽带无线通信方法，用以抑制UWB无线通信系统中的相干多径效应，提高通信系统的传输性能，属于无线通信技术领域。首先测量无线信道的冲击响应Hc(ω)＝|Hc(ω)|·ejθ(ω)，然后分别构造无线信道的全通均衡因子H2(ω)＝1/|Hc(ω)|2和无线信道的时间反演因子H1(ω)＝|Hc(ω)|·e-jθ(ω)，最后利用全通均衡因子H2(ω)和时间反演因子H1(ω)，对无线信道进行全通均衡的时间反演处理，使得经全通均衡的时间反演处理后的无线信道的传输函数H′c(ω)＝H2(ω)·H1(ω)·Hc(ω)＝1。本发明采用全通均衡因子H2(ω)＝1/|Hc(ω)|2对时间反演的无线信道进行全通均衡，使得经全通均衡的时间反演处理后的无线信道可等效为一个全通信道，消除了超宽带无线信道中相干多径(即频率选择性衰落)效应。本发明操作简单、运算量小，可应用于不同通信体制的无线通信系统。
-
公开(公告)号：CN101309241B
公开(公告)日：2011-04-27
申请号：CN200810044614.4
申请日：2008-06-03
Applicant: 电子科技大学
Abstract: 本发明提供全通均衡的时间反演超宽带无线通信方法及系统，用以抑制UWB无线通信系统中的相干多径效应，提高通信系统的传输性能，属于无线通信技术领域。首先测量无线信道的冲击响应Hc(ω)＝|Hc(ω)｜·ejθ(ω)，然后分别构造无线信道的全通均衡因子H2(ω)＝1/|Hc(ω)|2和无线信道的时间反演因子H1(ω)＝|Hc(ω)｜·e-jθ(ω)，最后利用全通均衡因子H2(ω)和时间反演因子H1(ω)，对无线信道进行全通均衡的时间反演处理，使得经全通均衡的时间反演处理后的无线信道的传输函数H′c(ω)＝H2(ω)·H1(ω)·Hc(ω)＝1。本发明采用全通均衡因子H2(ω)＝1/|Hc(ω)|2对时间反演的无线信道进行全通均衡，使得经全通均衡的时间反演处理后的无线信道可等效为一个全通信道，消除了超宽带无线信道中相干多径(即频率选择性衰落)效应。本发明操作简单、运算量小，可应用于不同通信体制的无线通信系统。
-
Patent Agency Ranking
公开(公告)号：CN101309242A
公开(公告)日：2008-11-19
申请号：CN200810044615.9
申请日：2008-06-03
Applicant: 电子科技大学
Abstract: 本发明提供全通均衡的时间反演超宽带无线通信系统，用以抑制UWB无线通信系统中的相干多径效应，提高通信系统的传输性能，属于无线通信技术领域。包括由信源、编码器、调制器、全通均衡器、时间反演器和发射天线组成的发射机；由接收天线、解调器和解码器组成的接收机和无线信道；所述无线信道传输函数为Hc(ω)＝|Hc(ω)|·ejθ(ω)；所述全通均衡器的传输函数为H2(ω)＝1/|Hc(ω)|2，所述时间反演器的传输函数为H1(ω)＝|Hc(ω)|·e－jθ(ω)；本发明的实质是利用全通均衡器、时间反演器和无线信道三者共同构成一个传输函数为1全通无线信道，实现了信号的无衰减和无相移的输出，从而消除了无线信道中的频变衰减(频率选择性衰落)和色散效应。具有操作简单、运算量小、速度快的特点，可应用于不同通信体制的无线通信系统。
-
公开(公告)号：CN113541921B
公开(公告)日：2022-06-10
申请号：CN202110708084.4
申请日：2021-06-24
Applicant: 电子科技大学
Abstract: 本发明涉及信息安全领域，具体是一种利用GPU来实现全同态加密的方法，包括步骤1、利用CUDA cuRAND在GPU上生成密钥所需的随机多项式；步骤2、构造密钥生成的CUDA实例化图，执行密钥生成的CUDA实例化图，最后将CUDA实例化图的输出内存中的数据拷贝至保存密钥的对象中；步骤3、加密过程；步骤4、解密过程；步骤5、输入两个密文ct0,ct1，计算ctadd；步骤6、计算同态乘法过程中需要扩充的模数集合以及两个额外的冗余模数；步骤7、构造同态乘法的CUDA实例化图，将需要进行乘法运算的密文拷贝至同态乘法的CUDA实例化图的输入内存中，执行同态乘法的CUDA实例化图，最后将CUDA实例化图的输出内存中的数据拷贝至保存乘法结果的对象中，解决了任务执行过程中对GPU资源利用率低的问题。
-
公开(公告)号：CN113792856A
公开(公告)日：2021-12-14
申请号：CN202111058809.6
申请日：2021-09-09
Applicant: 电子科技大学
Abstract: 本发明公开了基于VAE医疗保健联邦学习框架的确定方法，涉及计算机科学、机器学习以及联邦学习技术领域，解决基于联邦学习的医疗保健领域的三个挑战，第一，数据分布非IID导致的最终模型性能降低以及收敛速度慢的问题。第二，医疗数据的正负样本分布不均衡导致的模型偏差较大的问题。第三，联邦学习下所消耗的通信带宽过大导致的难以实际部署的问题。我们先在联邦学习框架下训练两个轻量级的VAE，然后将训练好的VAE分发给所有的节点用于更新自己的本地数据，而更新后的本地数据具有的特点就是数据都是低维且分布具有相似性并且类别是均衡的。最后再利用这样的数据对异常检测模型进行训练。
-
公开(公告)号：CN113541921A
公开(公告)日：2021-10-22
申请号：CN202110708084.4
申请日：2021-06-24
Applicant: 电子科技大学
Abstract: 本发明涉及信息安全领域，具体是一种全同态加密GPU高性能实现方法，包括步骤1、利用CUDA cuRAND在GPU上生成密钥所需的随机多项式；步骤2、构造密钥生成的CUDA实例化图，执行密钥生成的CUDA实例化图，最后将CUDA实例化图的输出内存中的数据拷贝至保存密钥的对象中；步骤3、加密过程；步骤4、解密过程；步骤5、输入两个密文ct0，ct1，计算ctadd；步骤6、计算同态乘法过程中需要扩充的模数集合以及两个额外的冗余模数；步骤7、构造同态乘法的CUDA实例化图，将需要进行乘法运算的密文拷贝至同态乘法的CUDA实例化图的输入内存中，执行同态乘法的CUDA实例化图，最后将CUDA实例化图的输出内存中的数据拷贝至保存乘法结果的对象中，解决了任务执行过程中对GPU资源利用率低的问题。
-
公开(公告)号：CN118897975A
公开(公告)日：2024-11-05
申请号：CN202410919642.5
申请日：2024-07-10
Applicant: 电子科技大学
IPC: G06F18/2113 , G01R31/28 , G06F18/214 , G06F18/2135 , G06N3/0499
Abstract: 本发明公开了一种用于电路智能测试的特征选择方法与系统，首先使用离散小波分析对电路时域响应信号进行变换，扩充了电路时域响应信号的时频域信息，然后对离散小波分析后的小波近似系数与前b级小波细节系数进行降维，保证降维后的特征集具有足够数量的有效特征，最后使用组合递增法选择最优特征集，结合了过滤法与包装法的优势，兼顾了特征选择的效果与计算速度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
