-
公开(公告)号：CN117979323A
公开(公告)日：2024-05-03
申请号：CN202410157830.9
申请日：2024-02-04
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种智能反射面辅助NOMA通信系统的有效容量优化方法，属于无线通信领域。该方法包括：构建多用户下行链路智能反射面辅助的NOMA通信系统；根据串行干扰消除技术得到用户的解码规则及顺序，对系统有效容量进行数学建模，得出有效容量表达式；根据智能反射面辅助的NOMA通信系统构建系统和有效容量最大化的资源分配问题：通过交替优化思想，分别求解功率分配问题、相移优化问题、用户配对问题资源；输出调度结果：根据实际处理结果与交替优化思想，迭代求解最优功率分配、相移矩阵和用户配对策略，得到系统最大和有效容量；本发明提高了智能反射面辅助NOMA通信系统的有效容量，减少统计时延对数据传输的影响，实用性高。
-
公开(公告)号：CN118916761A
公开(公告)日：2024-11-08
申请号：CN202411031310.X
申请日：2024-07-30
Applicant: 重庆邮电大学
IPC: G06F18/241 , G06F18/10 , G06F18/211 , G06N3/08 , G06N3/0442 , G06F16/735 , G06F16/9535
Abstract: 本发明属于互联网用户偏好预测技术领域，具体涉及一种基于数据去偏的用户偏好预测方法；该方法包括：获取视频数据和用户数据；采用嵌入层对视频数据和用户数据进行处理，得到用户嵌入和视频嵌入；对用户嵌入和视频嵌入进行去偏处理，得到去偏用户嵌入和去偏视频嵌入；采用特征筛选层对用户嵌入、视频嵌入、去偏用户嵌入和去偏视频嵌入进行处理，得到用户特定特征重要权重和视频特定特征重要权重；采用因子分解机对用户特定特征重要权重和视频特定特征重要权重进行处理，得到用户兴趣表示向量；将用户兴趣表示向量输入到输出层进行处理，得到用户偏好预测结果；本发明可准确有效的进行用户偏好预测，提高了用户偏好预测的准确性。
-
公开(公告)号：CN119004366A
公开(公告)日：2024-11-22
申请号：CN202411062087.5
申请日：2024-08-05
Applicant: 重庆邮电大学
IPC: G06F18/25 , G06F18/213 , G06F16/9535 , G06N3/047 , G06N3/0499 , G06N3/08
Abstract: 本发明提供一种长短期兴趣融合的用户偏好预测方法和装置，包括：从社交平台获取数据集并进行预处理，所述数据集包括：用户数据、视频数据、以及用户与视频的历史交互数据；根据用户在短期时间T内与视频的交互数据提取用户的短期历史交互行为序列输入短期兴趣捕捉模块得到用户的短期兴趣特征；将用户数据、视频数据、以及用户与视频数据的历史交互数据按特征域组成序列输入长期兴趣捕捉模块提取用户的长期兴趣特征；将用户的短期兴趣特征和用户的长期兴趣特征拼接后输入预测模块得到用户对视频的偏好结果。本发明通过构建长期兴趣捕捉模块和短期兴趣捕捉模块分别学习不同的特征交互，解决了长短期兴趣特征的异构性问题，提高用户偏好预测的效果。
-
公开(公告)号：CN118473489A
公开(公告)日：2024-08-09
申请号：CN202410705369.6
申请日：2024-06-03
Applicant: 重庆邮电大学
IPC: H04B7/06 , H04B7/08 , H04B7/04 , H04B17/391
Abstract: 本发明涉及智能超表面辅助的通信感知一体化波形设计及波束赋形方法，属于通信技术领域，包括在双功能雷达通信系统(DFRC)中采用双智能超表面协同辅助。针对通信过程中的多用户干扰进行通信建模，通过雷达波束方向图进行感知建模；通过最小化多用户干扰并寻求通信性能与感知性能之间的平衡来优化系统性能；采用了一种基于流形优化的交替优化算法，用于处理复杂的耦合变量，从而求得最优双功能波形矩阵、最优理想波形矩阵和两个智能反射面分别对应的最优相移矩阵。经过本发明的波形设计和波束赋形，通信性能得到显著提高，并找到了感知性能与通信性能之间的平衡点。
-
公开(公告)号：CN118381579A
公开(公告)日：2024-07-23
申请号：CN202410495275.0
申请日：2024-04-24
Applicant: 重庆邮电大学
IPC: H04L1/00 , G06N3/0455
Abstract: 本申请提出了一种适用于高动态网络的语义通信方法及系统，涉及通信与人工智能领域。该系统可用于固定基站与高速列车之间进行通信等具体场景，在发送端具有语义编码模块和信道编码模块，在接收端具有信道解码模块和语义解码模块。区别于传统通信系统，语义通信系统在发送端与接收端的模块均采用深度学习等人工智能技术实现。提出的系统针对高速动态环境下的信道特性，设计相适应的语义编解码神经网络以及信道编解码神经网络，提取信道信息，加强系统抗时间选择性衰落能力，提高系统可靠性。系统的训练策略采用迁移学习，在获取训练数据后，先训练信道信息提取模块神经网络，再训练信道编解码模块，最后系统端到端联合训练，使得模型收敛达到最优解。
-
Patent Agency Ranking
公开(公告)号：CN119835606A
公开(公告)日：2025-04-15
申请号：CN202510008670.6
申请日：2025-01-03
Applicant: 重庆邮电大学
IPC: H04W4/02 , H04W12/80 , H04B17/391 , H04B17/345 , H04K3/00
Abstract: 本发明涉及一种面向信息安全的无人机轨迹优化方法，属于通信技术领域。该方法包括：建立包含多用户、无人机、禁飞区、窃听者和目标的系统框架；接着，建立无人机移动模型、多用户信道模型，并定义性能指标。然后，根据窃听者位置和信道特性，建立干扰模型以降低窃听效果，同时确保无人机间安全距离。以此为基础，构建以最大化通信速率、覆盖率，最小化窃听效果为目标的优化问题。采用块坐标下降法分解问题，结合连续凸逼近技术迭代求解。通过交替优化无人机轨迹，更新变量和约束，确保算法收敛至全局最优。本发明方法提高了任务执行效率和安全性，具有重要理论与应用价值。
-
公开(公告)号：CN119767030A
公开(公告)日：2025-04-04
申请号：CN202411827921.5
申请日：2024-12-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种轻量级视频语义通信方法，属于通信与人工智能领域。旨在解决现有视频传输方法在带宽资源有限或信道条件恶劣时，传输效率和可靠性下降的问题。该方法采用深度神经网络，将视频帧之间的运动矢量和残差进行建模，实现运动估计和补偿，并利用基于Swin Transformer和ECA‑Net的联合信源信道编码解码器，在低信噪比条件下也能确保稳健的传输性能。本发明引入了轻量级的光流估计网络和高效的信噪比自适应模块，降低了模型复杂度和推理时间，使其更适用于边缘设备。该方法克服了传统通信的“悬崖效应”，在低到中等信噪比水平下展现出优于现有模型和传统通信系统的性能，具有低复杂度和快速推理时间的特点。
-
公开(公告)号：CN118748564A
公开(公告)日：2024-10-08
申请号：CN202410736711.9
申请日：2024-06-07
Applicant: 重庆邮电大学
IPC: H04B7/06 , H04B7/0456
Abstract: 本发明涉及一种防窃听的通感一体化波形设计方法，属于通信技术领域，包括以下步骤：通过在目标时刻的基站需求，确定出通信信号和雷达信号的动态系数；通信信号和雷达信号根据基站的实际需求在进行动态加权，在满足通信用户信干噪比高于阈值和雷达波束约束的前提下，最小化窃听者处的信干噪比。采用SDR和分数规划方法来解决该优化问题，并通过仿真结果展示了在保障系统安全性的前提下，如何权衡雷达目标探测和通信传输的性能。
-
公开(公告)号：CN118585949A
公开(公告)日：2024-09-03
申请号：CN202410620134.7
申请日：2024-05-20
Applicant: 重庆邮电大学
IPC: G06F18/25 , H04L1/00 , G06N3/0464 , G06N3/08
Abstract: 本申请提出了一种基于多尺度特征自适应融合的语义通信方法，涉及通信与人工智能领域。所述方法包括采用基于多尺度特征融合注意力模块的语义编码器和语义解码器对语义样本序列进行处理，从而得到相应的估计语义样本序列。本发明对传统基于SE‑ResNet的注意力模块进行改进，通过引入不同尺寸的卷积核，在保持残差学习特点的同时，增加了网络对多尺度特征的捕获能力。将批量归一化层放置在了激活函数之前，解决了模型不收敛的问题，对网络的学习动态产生积极的影响。仿真实验结果表明，相比传统通信方法和现有的语义通信技术，本发明能够在保持传输效率的同时，显著提高语音信号的恢复精度，特别是在复杂的信道条件和低信噪比环境中。
-
公开(公告)号：CN119884467A
公开(公告)日：2025-04-25
申请号：CN202411808346.4
申请日：2024-12-10
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种基于反事实数据增强的序列推荐方法，属于互联网偏好预测领域。该方法包括：获取视频数据和用户数据；采用嵌入层对增强后的视频数据和用户数据进行处理，得到用户嵌入和视频嵌入；将用户嵌入和视频嵌入进行拼接处理，得到用户兴趣表示向量；将用户兴趣表示向量输入到序列推荐模型进行处理，得到预训练模型；将原始数据通过反事实数据增强框架，生成反事实序列；利用反事实序列重新训练推荐模型生成完整的推荐模型；本发明可准确有效的进行用户偏好预测，提高了用户偏好预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
