-
公开(公告)号：CN119808843A
公开(公告)日：2025-04-11
申请号：CN202411891680.0
申请日：2024-12-20
Applicant: 重庆邮电大学
IPC: G06N3/0464 , G06N3/0495
Abstract: 本发明公开了一种卷积神经网络层间特征图稀疏压缩方法及装置。其方法是将卷积层间特征图的非零元素进行指数位增量压缩，同时记录非零元素的列索引信息和记录一个换行零标志元素，如果零标志元素的前一个元素小于后一个元素才保留零标志元素，否则就去除零标志元素。压缩装置为：稀疏矩阵行压缩模块，把非零元素提取出来同时记录对应的列索引，在数据换行时记录一个零标记元素。多余零标记元素滤除模块，当列索引中零标记元素之前的列索引比之后的列索引小，就保留该零标记元素。非零元素增量压缩模块，统计得到的指数位中位数，对浮点数据的指数位进行压缩以减少数据位宽。同时，对非零元素是否进行增量压缩进行判断，生成增量压缩标志编码。
-
公开(公告)号：CN119270195A
公开(公告)日：2025-01-07
申请号：CN202411281542.0
申请日：2024-09-13
Applicant: 重庆邮电大学
IPC: G01S5/02 , G06F18/232 , G06F18/2413 , G06F18/15 , G06F18/2113 , H04W4/80 , H04W4/33 , H04W64/00
Abstract: 本发明提出一种基于自适应参数DBSCAN聚类的直射径分辨方法。首先，计算距离分布矩阵通过排序和平均操作获得平均最近邻距离矩阵。在此基础上，利用Savitzky‑Golay滤波器对根据距离矩阵得到的归一化分布概率直方图进行滤波。其次，采用寻峰算法搜索得到最优邻域半径的区间，同时利用数学期望法计算最优邻域半径的区间所对应的最少点数。再次，根据邻域半径和最少点数进行DBSCAN聚类并计算轮廓系数，选取其最大值对应的聚类结果。最后，根据簇的点数、平均值、方差和ToF特征计算最大似然函数，进而辨别直射径。本发明在不需要确定簇的个数、邻域半径及邻域半径内的最小点数的情况下，依据数据本身的特点进行聚类，提高系统分辨直射径的能力。
-
公开(公告)号：CN119065635A
公开(公告)日：2024-12-03
申请号：CN202410929273.8
申请日：2024-07-11
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于广义双曲CORDIC的反双曲余弦求解装置及求解方法。其方法是将反双曲余弦计算转换成可通过广义双曲坐标系下的CORDIC算法计算的根号平方差和对数。反双曲余弦装置为：浮点数处理模块将任意浮点数x转换成#imgabs0#根号下平方差计算模块，通过工作在向量模式的广义双曲CORDIC计算根号下平方差值，进而通过乘法、加法和移位操作得到对数处理值#imgabs1#对数预处理模块将#imgabs2#分解成指数部分k2和尾数部分r2；对数计算模块，通过工作在向量模式的广义双曲CORDIC计算单元求以2为基数的反双曲正切值，进而通过加法和乘法操作得到反双曲余弦值的计算结果。本发明中，浮点数处理模块和对数预处理模块可以模块复用，根号下平方差计算模块和对数计算模块结构也可模块复用，本发明仅采用加法、移位和少量乘法器等简单的逻辑资源，具有关键路径短，硬件开销小等优点。
-
公开(公告)号：CN118939233A
公开(公告)日：2024-11-12
申请号：CN202410929266.8
申请日：2024-07-11
Applicant: 重庆邮电大学
IPC: G06F7/544
Abstract: 本发明公开了一种基于三位编码旋转坐标旋转数字计算机(CORDIC,Coordinate Rotation Digital Computer)的双曲函数计算装置及方法，涉及现场可编程门阵列(FPGA,Field‑Programmable Gate Array)中的信号处理领域。主要包括分组、编码和泰勒展开三部分，角度均为16位数据，由1位符号位，1位整数位和14位小数位组成。其中角度范围为[0,π/4]，对1位整数位和14位小数位进行分组，按每3位一组进行分组，一共分为5个子组；编码的顺序由低位子组往高位子组进行，编码后可减少每个子组中的有效数的位数，即减少每个子组所需的迭代次数；利用泰勒展开计算编码后角度对应的旋转因子，即sinh和cosh，从而达到无缩放的效果；计算由高位子组到低位子组，迭代完5次后的x和y即为cosh和sinh。本发明提供了一种迭代次数少、计算精度高，同时硬件资源消耗少的CORDIC算法，可实现双曲函数的计算，通过简单的变换还可以计算指数函数和对数函数，适用于大多数场景。
-
公开(公告)号：CN118884341A
公开(公告)日：2024-11-01
申请号：CN202410930806.4
申请日：2024-07-12
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于结构化矩阵嵌入和恢复技术的AoA估计方法。首先，使用商用WiFi设备采集信道状态信息(Channel State Information,CSI)，获得CSI矩阵。然后，对CSI矩阵进行投影并构造Hankel‑Toeplitz矩阵，利用增广拉格朗日函数将有约束的问题转变为无约束的问题。其次，使用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)恢复出抑制噪声后的CSI矩阵。最后，利用恢复后的CSI矩阵通过矩阵束算法估计直射径的AoA。本发明设计的方法在极大程度降低信道噪声且不需要增加额外的信道带宽的情况下，提高系统的鲁棒性和AoA的估计精度。
-
Patent Agency Ranking
公开(公告)号：CN112904351B
公开(公告)日：2023-10-24
申请号：CN202110076571.3
申请日：2021-01-20
Applicant: 重庆邮电大学
Abstract: 本发明提出一种基于量子纠缠光关联特性的单源定位方法，实现高精度定位。首先，利用激光器产生泵浦光，照射周期极化磷酸氧钛钾晶体，通过自发参量下转换过程产生具有纠缠特性的参考光子和信号光子；然后，利用单光子探测器探测留在本地的参考光子，信号光子发送至待定位目标，用另一单光子探测器探测被待定位目标反射回的光子；其次，对利用采集电路记录两光子的时间标签序列进行符合计数，得到二阶关联特性曲线，其峰值对应的延迟即为两光子的传输时间差，进而计算出本地接入点到待定位目标的距离；最后，利用转台得到本地接入点与待定位目标之间的夹角，并结合待定位目标的距离信息实现目标定位。
-
公开(公告)号：CN114158004B
公开(公告)日：2022-11-08
申请号：CN202111498377.0
申请日：2021-12-09
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于图卷积神经网络的室内无源移动目标检测方法。首先，本方法提取接收端每根天线接收到的CSI幅值，分别计算每根天线所有子载波上CSI幅值对应的频谱。然后，对频谱图频率分布进行平均划分得到多个频段，分别对每个频段所有频率对应的能量计算平均能量值。对计算得到的平均能量值进行降序排序之后，得到对应的索引矩阵。再对该索引矩阵第一列对应的索引值进行降序排序，并基于该索引矩阵第一列的变化得到对应变化后的索引矩阵其他列的索引，依据该变化后的索引矩阵即可构造图网络结构。最后，依据得到的图网络结构构造图卷积神经网络(Graph Convolutional Network，GCN)的输入，GCN的输出即为所检测图网络结构的特征，将该特征与检测类一一映射，最终完成检测类的识别。
-
公开(公告)号：CN114859624A
公开(公告)日：2022-08-05
申请号：CN202210459345.8
申请日：2022-04-27
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于双流特征融合网络(Two‑Stream Feature Fusion ConvolutionalNetwork,TSFFCNet)的纠缠光量子图像目标识别方法。首先，将氩原子激光器产生的连续泵浦光照射至周期极化磷酸氧钛钾(Periodically Poled KTP,PPKTP)晶体，进行共线的Ⅱ型自发参量下转换过程，产生具有纠缠特性的闲置光和信号光；其次，闲置光和信号光通过偏振分束器被分离在两条光路上传输，信号光束经过成像透镜照射在待成像目标上后被单光子探测器收集，闲置光束经数字微镜装置(Digital Micromirror Device,DMD)扫描后被另一单光子探测器收集；再次，两条光路探测器收集到的光子通过光纤送入符合计数器进行测量得到量子图像；然后，建立双流特征融合网络，将量子图像输入到网络中进行训练；最后，根据深度学习网络提取的特征进行目标识别。
-
公开(公告)号：CN112131972B
公开(公告)日：2022-07-12
申请号：CN202010929951.2
申请日：2020-09-07
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于注意力机制使用WiFi数据进行人体行为识别的方法。本发明首先使用一种基于信道状态信息(CSI)的幅值和相位特征的行为识别的方法，能够有效的解决在使用CSI进行行为识别的过程中的特征损的问题。然后利用信道频率响应(CFR)和信道冲激响应(CIR)可以通过傅里叶变换和反变换进行相互转换的原理，计算出WiFi设备所能得到的最小多径时延差之间的多径数据，通过确定经过人体反射和折射的多径信号到达接收机的时延间隔范围，对相关多径信号进行提取。最后使用一种用于CSI行为识别的注意力机制模型，利用注意力机制可以给不同特征分配学习权重的原理，从而实现高鲁棒性的运动序列切割和高精度的基于WiFi数据的人体行为识别。本发明设计的基于WiFi数据的复杂环境中的行为识别算法有效可靠，解决了传统算法无法对受人体影响的多径信号进行提取的问题和特征无法充分利用的问题，同时解决了传统切割算法鲁棒性差的问题，利用深度学习网络提高了系统在各种复杂环境下的识别精度和应用潜力。
-
公开(公告)号：CN109738861B
公开(公告)日：2022-05-27
申请号：CN201811514915.9
申请日：2018-12-12
Applicant: 重庆邮电大学
IPC: G01S5/02
Abstract: 本发明提出了一种基于Wi‑Fi信道状态信息(Channel State Information,CSI)的三维联合估计方法。首先，为了克服天线数量和信道带宽对二维联合估计模型的局限性，将获得的信道状态信息从子载波、天线、数据包三个维度构成一个三维矩阵。其次，对三维矩阵进行降维处理，并在此基础上进行子载波、天线、数据包之间的平滑处理。最后，对平滑之后的矩阵进行信号子空间和噪声子空间分解，从而构造谱函数。在谱函数的基础上，进行到达角(Angle of Arrival,AoA)、飞行时间(Time of Flight,ToF)、多普勒频移(Doppler Frequency Shift,DFS)的三维参数联合搜索。本发明设计的三维联合估计算法在天线数量少、信道带宽窄的情况下仍能达到较高的估计精度，为精确的室内跟踪定位等应用提供了理论基础。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.03 seconds)
