-
公开(公告)号：CN116505891A
公开(公告)日：2023-07-28
申请号：CN202310527911.9
申请日：2023-05-09
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种带失真校正的全数字扩频方法及用该方法构建的免滤波数字PWM调制器，属于免滤波数字D类音频功放技术领域；该方法先利用伪随机数生成器产生的随机数对扩频UPWM发生器输出信号的脉冲位置和PRF进行随机化，实现扩频目的；再通过在数字Sigma‑Delta调制器输入端和输出端分别添加插零值模块和抽取模块，并对数字Sigma‑Delta调制器的状态空间表达式进行重构，构造一个包含数字Sigma‑Delta调制器和扩频UPWM发生器的数字闭环模块；利用该闭环模块的高开环增益特性校正该环路内产生的失真；同时基于上述方法设计相应的免滤波数字PWM调制器。本发明不仅可以大幅降低功放输出PWM信号的带外频谱峰值幅度以降低EMI，还能基本消除UPWM失真和扩频引入的失真，从而使功放拥有较高的SNDR。
-
公开(公告)号：CN112631130B
公开(公告)日：2022-03-11
申请号：CN202011495267.4
申请日：2020-12-17
Applicant: 郑州轻工业大学
IPC: G05B13/04
Abstract: 本发明提出了一种面向时延和噪声的ILC系统输入信号最优估计方法，解决了测控信号无线传输过程中所受到的一步随机时延和信道噪声干扰对ILC系统收敛性能的影响，导致系统输出无法实现对期望轨迹的精确跟踪的技术问题。其步骤为：首先利用同一次迭代内两个相邻时刻的控制信号迭代学习过程及包含一步随机时延和信道噪声干扰的测控信号无线传输过程，构建用于在执行器端对输入信号进行最优估计的系统模型，在此基础上，依据正交投影准则，在迭代域内获得基于线性最小方差的滤波估计器，实现对最优估计系统模型中包含一步随机时延和信道噪声干扰的控制输入信号的最优估计，进而改善ILC系统输出对期望轨迹跟踪的收敛性能。
-
公开(公告)号：CN113852993A
公开(公告)日：2021-12-28
申请号：CN202111096126.X
申请日：2021-09-16
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种快速响应的无线资源管理装置，包括无线网络控制器；所述无线网络控制器连接有通信单元，通信单元连接上位机，所述无线网络控制器包括资源调度模块、资源分配模块、干扰管理模块、数据传输模块；资源分配模块包括无线资源分配模块和动态调整模块，无线资源分配模块是在每个虚拟网络子信道数目确定的前提下进行具体用户资源分配，动态调整模块是动态的调整每个无线网络分配的子信道数目；根据用户的速率表现来分配合适的信道，满足不同用户的需求量，提高资源配置速率，提高系统性能，提高用户网络速率；通过设置干扰管理模块结合深度学习，对信号进行抑制干扰，减少外界干扰的影响，增强数据传输的安全性。
-
公开(公告)号：CN112631130A
公开(公告)日：2021-04-09
申请号：CN202011495267.4
申请日：2020-12-17
Applicant: 郑州轻工业大学
IPC: G05B13/04
Abstract: 本发明提出了一种面向时延和噪声的ILC系统输入信号最优估计方法，解决了测控信号无线传输过程中所受到的一步随机时延和信道噪声干扰对ILC系统收敛性能的影响，导致系统输出无法实现对期望轨迹的精确跟踪的技术问题。其步骤为：首先利用同一次迭代内两个相邻时刻的控制信号迭代学习过程及包含一步随机时延和信道噪声干扰的测控信号无线传输过程，构建用于在执行器端对输入信号进行最优估计的系统模型，在此基础上，依据正交投影准则，在迭代域内获得基于线性最小方差的滤波估计器，实现对最优估计系统模型中包含一步随机时延和信道噪声干扰的控制输入信号的最优估计，进而改善ILC系统输出对期望轨迹跟踪的收敛性能。
-
公开(公告)号：CN109683142B
公开(公告)日：2020-06-09
申请号：CN201811475893.X
申请日：2018-12-04
Applicant: 郑州轻工业大学
IPC: G01S7/285
Abstract: 本发明属于信号检测与估计技术领域，公开了一种基于差分包络检波的三角线性调频连续信号参数估计方法；接收机对观测到的来自雷达的三角线性调频连续波信号进行采样，得到采样序列；接收机对采样序列进行差分运算、希尔伯特变换和低通滤波，得到去噪包络序列；接收机根据去噪包络序列计算，得到包括正调频率、负调频率、调频信号周期、扫频区间最小频率和扫频区间最大频率在内的信号特征参数。本发明具有在时域进行特征提取和计算，时间复杂度较低的优点，可用于解决三角线性调频连续信号的参数估计问题；利用序列差分和包络检波可以得到三角线性调频连续信号的特征参数，根据包络斜率和包络斜率变化时刻计算出参数估计值。
-
Patent Agency Ranking
公开(公告)号：CN119967463A
公开(公告)日：2025-05-09
申请号：CN202510089624.3
申请日：2025-01-21
Applicant: 郑州轻工业大学
IPC: H04W24/06 , H04W24/02 , H04B7/0456
Abstract: 本发明涉及MIMO通信网络中的一种编码传输方法。一种缓存辅助的高性能编码传输方法，基于缓存辅助MIMO干扰网络系统，基于缓存辅助MIMO干扰网络模型，引入多天线和多载波，重新构建具有多天线收发机和文件库的网络模型；对于KT×KR缓存辅助MIMO干扰网络，分析该网络通信模型的自由度约束和系统总增益分解；并在此基础上，在缓存放置阶段进行文件分割与缓存处理，降低网络负载；在内容传输阶段，以对角块矩阵为基础，围绕可实现的系统传输自由度，联合编码缓存和干扰对齐设计高自由度的编码传输方法，建立多播信号处理与收发机制，实现了干扰网络扩展以及系统传输效率与自由度提升。
-
公开(公告)号：CN119203029A
公开(公告)日：2024-12-27
申请号：CN202411262099.2
申请日：2024-09-09
Applicant: 郑州轻工业大学
IPC: G06F18/25 , G06F18/2431 , G06V40/16 , G06V10/82 , G06F40/30 , G10L25/30 , G10L25/63 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06N3/082 , G06N3/048
Abstract: 本发明提供了一种表征匹配和路由交互的多模态情感分析方法，其包括：从原始视频数据中分别提取出文本模态表征、音频模态表征和视觉模态表征；将所述文本模态表征、所述音频模态表征和所述视觉模态表征通过对抗性循环翻译网络映射到相似的分布空间中以获得分布均匀的文本模态表征、音频模态表征和视觉模态表征；将所述分布均匀的文本模态表征、音频模态表征和视觉模态表征传入动态路由交互网络中以获得多模态表征；在所述分布均匀的文本模态表征、音频模态表征和视觉模态表征的联合损失约束下将所述多模态表征传入情感预测层进行情感预测，输出最终的情感预测值。
-
公开(公告)号：CN112636719B
公开(公告)日：2023-10-13
申请号：CN202011495264.0
申请日：2020-12-17
Applicant: 郑州轻工业大学
IPC: H03H21/00
Abstract: 本发明提出了一种数据丢失和信道噪声干扰下的ILC系统输入信号滤波方法，其步骤为：首先，建立包括状态更新方程和状态测量方程的滤波估计模型；其次，根据正交投影准则和滤波估计模型的系统参数计算滤波估计模型的新息和新息协方差，进而获得滤波估计模型的预测增益和滤波增益；然后根据正交投影准则和预测增益计算状态预测值和状态预测误差的方差值；最后，根据状态预测值、状态预测误差的方差值和滤波增益计算滤波后的状态估计值和状态估计误差的方差值。本发明依据迭代学习过程构建滤波估计模型，又依据正交投影准则，获得基于线性最小方差的滤波器，在迭代域内实现对滤波模型中包含数据丢失和信道噪声干扰的输入信号的最优滤波。
-
公开(公告)号：CN115730153A
公开(公告)日：2023-03-03
申请号：CN202211051172.2
申请日：2022-08-30
Applicant: 郑州轻工业大学
IPC: G06F16/9536 , G06N3/0464 , G06N3/08 , G06Q50/00
Abstract: 本申请公开了一种基于情感关联和情感标签生成的多模态情感分析方法，用以解决现有方法在挖掘情感关联信息、捕获情感差异信息方面的不足；所述方法包括如下步骤：步骤1：将原始视频按照语境提取语言学、声学和视觉三个模态的特征向量；步骤2：将特征向量传入情感关联增强器借助纵向注意力、横向注意力和自适应门控单元增强上下文情感关联和跨模态情感关联；步骤3：将多模态标签传入情感标签生成器中利用特征向量与标签之间的映射关系计算单模态标签值，并通过模态表示类中心判定单模态标签情感极性；步骤4：通过多模态预测任务和单模态预测任务的协同训练捕获情感差异信息，并输出最终的情感预测结果。
-
公开(公告)号：CN115085841A
公开(公告)日：2022-09-20
申请号：CN202210681782.4
申请日：2022-06-15
Applicant: 郑州轻工业大学
IPC: H04B17/391 , H04L25/02
Abstract: 本发明提出了一种信道衰落干扰下迭代学习控制系统的收敛性保障方法，联合利用比例型迭代学习控制器的学习过程与信道衰落干扰下输入信号和输出信号的传输过程，在执行器端建立用于对控制器端更新输入进行估计的滤波模型，设计一个线性最小方差意义下的最优滤波器，在传感器到控制器和控制器到执行器两侧信道均存在随机衰落干扰下，在迭代域对滤波模型中的状态信号进行最优估计，并以估计的状态信号中的控制输入分量驱动系统的执行器，从而改善信道衰落干扰下迭代学习控制系统的收敛性能。本发明能够同时处理传感器到控制器和控制器到执行器两侧信道随机衰落干扰的影响，适用于无线衰落信道下采用比例型迭代学习控制器进行远程控制的所有对象。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.021 seconds)
