专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果40个,建议您升级VIP下载更多相关专利
  • [发明专利]基于准同步SCMA的卫星物联网低复杂度多用户检测方法-CN202310290498.9在审
  • 丁晓进;王轶群;张更新 - 南京邮电大学
  • 2023-03-23 - 2023-07-14 - H04B7/185
  • 本发明提供一种基于准同步SCMA的卫星物联网低复杂度多用户检测方法,通过估计时延对卫星物联网场景下SCMA系统中同一子载波上接受到的多用户的准同步叠加的信号进行划分,得到划分信号;计算划分信号各部分的联合概率,并根据信噪比对联合概率进行删减;根据删减过后的联合概率计算划分信号各部分的边缘概率,将计算得到的边缘概率传递给每个子载波,并根据因子图对边缘概率进行串行迭代传递至达到所设置的迭代停止门限,找出最大的边缘概率对应叠加码字组合,进而获得各子载波上用户所发送码字,对码字完成反映射,得到用户输出的译码比特。该方法能够实现对准同步信号进行高性能处理,大幅度降低复杂度的同时,有效提高译码性能。
  • 基于同步scma卫星联网复杂度多用户检测方法
  • [发明专利]一种窄带物联网体制终端工作状态定时器动态配置方法-CN202310222102.7在审
  • 洪涛;王凡;俞晓迪;丁晓进;张更新 - 南京邮电大学
  • 2023-03-09 - 2023-06-06 - H04W52/02
  • 本发明公开了一种窄带物联网体制终端工作状态定时器动态配置方法,属于卫星通信技术领域,包括:构建低轨卫星物联网场景下窄带物联网体制终端的时延功耗多目标优化问题;基于所述时延功耗多目标优化问题,获取窄带物联网体制终端工作状态定时器参数对时延和功耗的支持向量机非参数回归模型;将时延和功耗的支持向量机非参数回归模型代入所述时延功耗多目标优化问题,采用二代非支配排序遗传算法进行求解,得到时延功耗多目标优化问题的帕累托前沿最优解集;从帕累托前沿最优解集中确定满足当前场景时延功耗需求的工作状态定时器参数值,根据确定的满足当前场景时延功耗需求的工作状态定时器参数值对定时器参数进行动态配置。
  • 一种窄带联网体制终端工作状态定时器动态配置方法
  • [发明专利]基于hadamard码和波束成形的终端身份辨识方法-CN202310241487.1在审
  • 唐胜华;丁晓进;张更新 - 南京邮电大学
  • 2023-03-14 - 2023-06-06 - H04B7/06
  • 本发明属于卫星通信技术,具体地说,是一种基于hadamard码和波束成形的终端身份辨识方法,包括波束成形设计和终端身份检测两部分:波束成形设计是在异步情况下,采用hadamard作为终端身份序列,终端发送信号到簇头,簇头经过波束成形把信号发送到卫星;终端身份检测是从接收到的序列中,把活跃的终端身份序列检测出来,估计信道系数,然后在接收到的序列中减去检测出来的活跃终端,一直迭代检测,最后通过能量检测设置一个判决门限,用于结束迭代。本发明解决了卫星在海量物联网终端和异步的场景下,终端身份序列难以被正确检测的问题。
  • 基于hadamard波束成形终端身份辨识方法
  • [发明专利]一种基于联邦学习的协作频谱感知方法-CN202310031828.2在审
  • 丁晓进;徐叶辉;张更新 - 南京邮电大学
  • 2023-01-10 - 2023-05-02 - H04W16/14
  • 本发明属于无线通信技术领域,公开了一种基于联邦学习的协作频谱感知方法,包括数据预处理、模型训练与更新、在线检测三个部分。该方法通过对历史接收数据进行处理,构建相应的训练集训练神经网络,利用联邦学习的算法不断的更新模型参数,降低了通信资源的消耗,使模型能够快速提取到数据的隐藏规律,设计了一种合理的联合检测值计算方法,将虚警概率纳入考量求出适当的检测门限,利用神经网络将不同节点实时接收到的信号的感知结果融合,降低了单个信道感知结果的误差率,得到频谱占用状态的实时判断,该方法不仅可感知频谱是否被占用,当频谱被占用时亦可分析出同时占用的用户数量,提高了频谱感知性能。
  • 一种基于联邦学习协作频谱感知方法
  • [发明专利]一种面向低轨卫星物联网的SDN控制器部署方法-CN202211365419.8在审
  • 丁晓进;包文;朱晓荣 - 南京邮电大学
  • 2022-11-02 - 2023-03-07 - H04B7/185
  • 本发明属于卫星通信技术领域,公开了一种面向低轨卫星物联网的SDN控制器部署方法,包括步骤1可见性分析:利用划分的网格坐标和低轨卫星覆盖区域的表达式,分析覆盖给定网格的低轨卫星数目,步骤2接入方式选择:卫星侧估算该卫星的接入成功率,统计最终成功接入的终端数和负载;物联网终端侧计算接入覆盖该网格所有卫星的满意度、网络活性因子和网络状态变量,分析覆盖所在网格不同卫星的接入概率,选择所要接入的卫星;步骤3控制器部署策略优化:建立控制器部署优化问题,以确定最少所需的控制器数量和控制器对应的部署位置。本发明能够通过优化SDN控制数量和部署位置,以满足低轨卫星物联网接入负载量和端到端传输时延。
  • 一种面向卫星联网sdn控制器部署方法
  • [发明专利]一种基于深度卷积神经网络的频谱超分辨率在线重建方法-CN202010048133.1有效
  • 丁晓进;冯李杰;张更新 - 南京邮电大学
  • 2020-01-16 - 2022-08-16 - G06T3/40
  • 本发明公开了一种基于深度卷积神经网络的频谱超分辨率在线重建方法,结合离线在线频谱重建的动态框架进行在线重建,包括模型构建、离线训练、在线重建和在线评估四个部分。模型构建步骤通过多层卷积层搭建深度卷积神经网络,并基于自适应矩估计算法优化网络模型参数;离线训练步骤将高分辨率频谱数据作为训练标签,其预处理后对应的低分辨率频谱数据作为训练集输入数据;在线重建步骤是将传输的低分辨率频谱输入到已经训练好的模型中,完成超分辨率重建,实现低分辨率频谱数据到高分辨率频谱数据的转换;在线评估步骤利用传输的少量高分辨率频谱数据评估模型重建性能,以确定是否要重新进行离线训练步骤。本方法可将低分辨率频谱数据重建为高分辨率频谱数据,从而有效降低星地传输数据量,减缓星地间数据传输压力。
  • 一种基于深度卷积神经网络频谱分辨率在线重建方法
  • [发明专利]一种基于机器学习的卫星频谱感知方法-CN202110136183.X有效
  • 丁晓进;倪韬;朱剑;张更新;吴尘 - 南京邮电大学
  • 2021-02-01 - 2022-07-29 - H04B17/382
  • 本发明公开了一种基于机器学习的卫星频谱感知方法,包括数据预处理、模型离线训练、在线检测三个部分。该方法通过对不同信道的历史接收数据进行处理,构建相应的训练集训练神经网络模型,并结合网格搜索、交叉验证和早停修正来优化模型,能够有效提取数据的隐藏规律。此外,将CNN神经网络的强大分类能力与LSTM神经网络处理序列问题的优势相结合,选取合适的融合方式,设计合理的联合检测值计算方法,并将虚警概率纳入考量求出适当的检测门限。最后,将实时的检测样本输入到训练好的神经网络模型中实现频谱占用状态的实时判断,提高了频谱感知准确度、从而提高了频谱资源利用率。
  • 一种基于机器学习卫星频谱感知方法
  • [发明专利]一种基于深度学习的卫星频谱感知数据重构方法-CN202110175322.X有效
  • 丁晓进;冯李杰;张更新;吴尘 - 南京邮电大学
  • 2021-02-09 - 2022-06-17 - G06K9/62
  • 本发明公开了一种基于深度学习的卫星频谱感知数据重构方法,结合了异常数据修复算法与深度卷积神经网络,包括数据预处理、数据重建、实时重建性能评估三个部分;数据预处理是将高分辨率频谱数据依次进行异常数据修复、降采样和数据匹配操作,低分辨率数据依次进行异常数据修复和数据匹配操作;数据重建步骤是利用历史高分辨率数据进行模型训练,将实时传输的低分辨率频谱输入到已经训练好的模型中,完成超分辨率重建;实时重建性能评估步骤是利用传输的少量高分辨率频谱数据评估数据重建的性能,以确定是否要重新进行模型训练。本方法可将低分辨率频谱数据重建为高分辨率频谱数据,从而有效降低星地传输数据量,减缓星地间数据传输压力。
  • 一种基于深度学习卫星频谱感知数据方法
  • [发明专利]一种基于神经网络的低轨卫星物联网活跃终端预测方法-CN202110176994.2有效
  • 丁晓进;冯李杰;张更新;吴尘 - 南京邮电大学
  • 2021-02-07 - 2022-03-29 - G06Q10/04
  • 本发明公开了一种基于神经网络的低轨卫星物联网活跃终端预测方法,包括活跃终端识别、组合神经网络模型构建、活跃终端预测三个部分。活跃终端识别是从混合信号中提取最大功率信号对应的活跃终端,对其进行信道估计获取相应的信道系数及活跃终端信号,从混合信号中减去该活跃终端信号,通过不断迭代直到识别出所有活跃终端信号;组合神经网络模型由卷积神经网络和双向长短期记忆神经网络组合构成;活跃终端预测是利用训练好的神经网络预测模型和终端状态的历史数据,对未来的活跃终端进行预测。本案方法可以对低轨卫星物联网活跃终端进行预测,结合物联网终端信号检测,可以实现对每个活跃终端的具体状态的预测。
  • 一种基于神经网络卫星联网活跃终端预测方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top