-
公开(公告)号:CN115967435B
公开(公告)日:2025-04-08
申请号:CN202310124677.5
申请日:2023-02-16
Applicant: 重庆邮电大学
Abstract: 本发明属于卫星通信领域,涉及一种多层低轨卫星网络中跨层链路的建立方法,所述方法包括利用虚拟位置对卫星网络所在空间进行分区形成网格,在网格内选择上层星座中间节点作为主动建链节点建立跨层链路,降低分区内不同层的节点叠加影响;从影响跨层链路通断的因素入手,对星间轨道和跨层链路变化及节点资源刻画;构建了跨层节点运动模型及节点和链路资源模型,以信噪比、节点缓存、链路持续时间为决策变量构建可靠链路效用函数,选择节点和链路资源效用值最大的节点与主动建链节点建链。本发明建立了多层低轨卫星网络中的可靠跨层链路,实现了多层网络的跨层可靠通信,增加了数据包传输路径的多样性,降低了数据包传输时延,提高了网络通信性能。
-
公开(公告)号:CN115967435A
公开(公告)日:2023-04-14
申请号:CN202310124677.5
申请日:2023-02-16
Applicant: 重庆邮电大学
Abstract: 本发明属于卫星通信领域,涉及一种多层低轨卫星网络中跨层链路的建立方法,所述方法包括利用虚拟位置对卫星网络所在空间进行分区形成网格,在网格内选择上层星座中间节点作为主动建链节点建立跨层链路,降低分区内不同层的节点叠加影响;从影响跨层链路通断的因素入手,对星间轨道和跨层链路变化及节点资源刻画;构建了跨层节点运动模型及节点和链路资源模型,以信噪比、节点缓存、链路持续时间为决策变量构建可靠链路效用函数,选择节点和链路资源效用值最大的节点与主动建链节点建链。本发明建立了多层低轨卫星网络中的可靠跨层链路,实现了多层网络的跨层可靠通信,增加了数据包传输路径的多样性,降低了数据包传输时延,提高了网络通信性能。
-
公开(公告)号:CN120070178A
公开(公告)日:2025-05-30
申请号:CN202510116635.6
申请日:2025-01-24
Applicant: 重庆邮电大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种用于遥感图像超分辨率重建的双域轻量级重建方法,属于图像超分辨重建技术领域,包括以下步骤:构建DDRN,首先使用一个蓝图可分离卷积浅层特征Fin∈BSConvRC×H×W,从一个输入遥感图像然后通过多个双域复原模块ILR∈R3×DRMH×W中获得深度提取浅层特征,对每一个DRM输出 在通道维度进行拼接并输入到由1×1普通卷积、GELU激活函数和BSConv构成的卷积层进行特征融合得到过上采样获得高分辨率图像FoutI;HR最后将∈R3×FsHout×sW与,F其中in进行相加s是上采样因,并通子;利用遥感图像训练和测试所述DDRN网络,得到用于遥感图像超分辨率重建的双域轻量级重建模型;利用模型对遥感图像进行超分辨率重建。
-
公开(公告)号:CN118133940A
公开(公告)日:2024-06-04
申请号:CN202410280181.1
申请日:2024-03-12
Applicant: 重庆邮电大学
IPC: G06N3/0985 , G06N3/0455 , G06N3/0442 , G06F40/295 , G06F40/216 , G06F40/30 , G06F18/25 , G06F16/35 , G06Q50/18 , G06N3/048
Abstract: 本发明属于专利信息处理领域,具体涉及一种专利实体关系识别模型的训练方法、装置及计算机介质。所述方法用于对专利实体关系识别模型进行训练,具体包括从专利数据库中获取专利数据,并对所述专利数据进行预处理,提取出所述专利数据的摘要文本;对所述专利数据的摘要文本进行实体标注和关系标注,生成实体训练文本和关系训练文本;将所述实体训练文本输入到专利实体识别模型中,将所述关系训练文本上输入到专利实体关系分类模型;根据所述实体标注、所述实体识别结果、所述关系标注、所述关系识别结果,训练所述专利实体关系识别模型。本发明能够提升专利实体关系识别模型的效果,进而提高专利实体关系识别模型的准确度。
-
公开(公告)号:CN116499360A
公开(公告)日:2023-07-28
申请号:CN202310465894.0
申请日:2023-04-26
Applicant: 重庆邮电大学
IPC: G01B11/00 , G06T7/66 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明设计一种针对弱测量系统的光斑中心定位方法,包括:根据所述弱测量系统的成像原理生成光斑强度分布物理模型;根据CCD采集的实测光斑图像采用最小二乘法对光斑强度分布物理模型进行拟合,得到光斑强度分布模型对应的参数;根据光斑强度分布模型对应的参数随机生成N个光斑图像作为理想光斑图像;根据CCD采集的实测光斑图像和N个理想光斑图像利用小波分析技术生成N个模拟光斑图像;将N个模拟光斑图像作为训练集,将每个模拟光斑图像对应的理想光斑图像作为标签对卷积自编码神经网络进行训练;将CCD采集的目标实测光斑图像输入训练好的卷积自编码神经网络生成对应的目标理想光斑图像,对目标实测光斑图像的中心进行定位。
-
-
-
-