基于传播时延的低轨卫星网络星间多址接入方法

    公开(公告)号:CN111817774A

    公开(公告)日:2020-10-23

    申请号:CN202010708219.2

    申请日:2020-07-22

    Abstract: 本发明公开了一种低轨卫星网络星间多址接入方法,主要解决现有帧结构利用率低的问题。其方案是:1)构建整网传播时延的概率分布模型;2)分别在多天线的多射频通道和单射频通道场景下利用概率模型中的极值设计各自的初始帧结构;3)根据传播时延与发送、接收时隙之间的约束,优化单射频通道初始帧结构,得到适应大容量业务的帧结构;4)对多射频通道场景,根据其初始帧结构设计整网统一的帧结构,并根据当前的传播时延对其进行动态调整,得到适应多射频通道下的大吞吐量场景帧结构;5)将对应的接收时隙设计为最短,优化4)的结果,得到适应敏感业务下的帧结构。本发明提高了帧结构的利用率,可用于卫星网络星间链路层的资源分配。

    一种中心对称交叉式卷积神经网络架构搜索方法及芯片

    公开(公告)号:CN116306845A

    公开(公告)日:2023-06-23

    申请号:CN202310103316.2

    申请日:2023-02-10

    Abstract: 本发明提供了一种中心对称交叉式卷积神经网络架构搜索方法及芯片,对于需要进行细粒度搜索的网络架构参数,先根据参数数目的奇偶性设计中心对称的选择规则,从超网训练矩阵中选择对象从而扩展基准网络,并再根据扩展网络的参数大小确定各阶段交叉训练的回合数,训练得到一个包含所有网络架构参数组合情况的超网;最后以目标芯片所允许的神经网络最大参数量和特征图峰值内存为约束条件,在超网划定的搜索空间内迭代搜索,获得精度最高的子网结构进行部署。本发明可通过中心对称交叉训练方式对超网进行细粒度训练,提高了超网细粒度训练过程中的小尺寸网络的精度,防止精度损失传递到后续网络搜索过程中导致网络搜索方法失效,从而降低企业风险。

    一种中心对称交叉式卷积神经网络架构搜索方法及芯片

    公开(公告)号:CN116306845B

    公开(公告)日:2025-05-02

    申请号:CN202310103316.2

    申请日:2023-02-10

    Abstract: 本发明提供了一种中心对称交叉式卷积神经网络架构搜索方法及芯片,对于需要进行细粒度搜索的网络架构参数,先根据参数数目的奇偶性设计中心对称的选择规则,从超网训练矩阵中选择对象从而扩展基准网络,并再根据扩展网络的参数大小确定各阶段交叉训练的回合数,训练得到一个包含所有网络架构参数组合情况的超网;最后以目标芯片所允许的神经网络最大参数量和特征图峰值内存为约束条件,在超网划定的搜索空间内迭代搜索,获得精度最高的子网结构进行部署。本发明可通过中心对称交叉训练方式对超网进行细粒度训练,提高了超网细粒度训练过程中的小尺寸网络的精度,防止精度损失传递到后续网络搜索过程中导致网络搜索方法失效,从而降低企业风险。

    基于传播时延的低轨卫星网络星间多址接入方法

    公开(公告)号:CN111817774B

    公开(公告)日:2021-04-27

    申请号:CN202010708219.2

    申请日:2020-07-22

    Abstract: 本发明公开了一种低轨卫星网络星间多址接入方法,主要解决现有帧结构利用率低的问题。其方案是:1)构建整网传播时延的概率分布模型;2)分别在多天线的多射频通道和单射频通道场景下利用概率模型中的极值设计各自的初始帧结构;3)根据传播时延与发送、接收时隙之间的约束,优化单射频通道初始帧结构,得到适应大容量业务的帧结构;4)对多射频通道场景,根据其初始帧结构设计整网统一的帧结构,并根据当前的传播时延对其进行动态调整,得到适应多射频通道下的大吞吐量场景帧结构;5)将对应的接收时隙设计为最短,优化4)的结果,得到适应敏感业务下的帧结构。本发明提高了帧结构的利用率,可用于卫星网络星间链路层的资源分配。

Patent Agency Ranking