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649个,建议您升级VIP下载更多相关专利
  • [发明专利]一种极化码球形译码器的译码半径选取方法-CN201910377332.4有效
  • 潘志文;于永润;刘楠;尤肖虎 - 东南大学
  • 2019-05-07 - 2021-10-19 - H04L1/00
  • 本发明涉及一种极化码球形译码器的译码半径选取方法,所述方法具体步骤如下:第一步:计算最大似然距离dML的下界第二步:计算初始译码半径第三步:使用初始半径进行球形译码;通过使用最大似然距离dML的下界和译码半径的统计分布,计算球形译码器的译码半径,使用本方法中的译码半径选取机制,可以有效减少球形译码器的搜索空间,降低译码时延和复杂度。仿真结果表明,对于码长N=64的极化码,当信噪比Eb/N0位于2.5‑3.5dB之间时,相比目前已有的半径选取方法,本发明中的译码半径选取方法能降低40%的译码复杂度。
  • 一种极化球形译码器译码半径选取方法
  • [发明专利]一种相控阵芯片及相控阵系统-CN202010875812.6有效
  • 赵涤燹;尤肖虎;矣咏燃;柴远;张成军 - 成都天锐星通科技有限公司;东南大学
  • 2020-08-25 - 2021-10-08 - G05F3/16
  • 本发明提供一种了相控阵芯片,包括功分器;多个射频通道,分别连接至功分器上对应的分路端口,每一射频通道包括至少一条信号通路,每一信号通路均包括放大器以及与该放大器串联的移相器和衰减器;全局基准电流模块、与每一信号通路中放大器和移相器一一对应的本地基准电流源以及电流镜,其中,每一信号通道中的放大器和移相器分别通过与其对应的电流镜和本地基准电流源依次连接至全局基准电流模块,全局基准电流模块向与其连接的每一本地基准电流源输入数值相同的基准电流,本地基准电流源和电流镜将基准电流转换为与其对应的放大器和移相器所需的直流偏置;控制模块,与多个射频通道连接。本发明所提供的相控阵芯片其射频通道的一致性优。
  • 一种相控阵芯片系统
  • [发明专利]基于深度神经网络的混合量化系统的信道估计方法-CN201910427732.1有效
  • 潘志文;高深;刘楠;尤肖虎 - 东南大学
  • 2019-05-22 - 2021-09-28 - H04L25/02
  • 本发明公开了一种基于深度神经网络的混合量化系统的信道估计方法,首先,将基站天线分为高精度ADC天线和低精度ADC天线两个集合,在仿真环境根据系统传输模型和信道模型产生真实信道和接收并量化的导频信号作为训练数据;然后,将训练数据分别送入设计的深度神经网络1和2中进行离线训练,通过调整神经网络权重矩阵直至性能收敛,结束训练;最后,将训练好的神经网络1和2装配在基站端,分别用于估计高精度ADC天线和低精度ADC天线对应的信道。本发明的估计方法充分利用深度神经网络强大的学习能力,经过离线的基于大量数据的训练,深度神经网络能够发掘大规模天线系统中不同天线之间的空间相关性,从而实现从高精度ADC天线对应信道到低精度ADC天线对应信道的准确映射。
  • 基于深度神经网络混合量化系统信道估计方法
  • [发明专利]一种基于自我学习的无线网络故障检测方法-CN201910343031.X有效
  • 潘志文;陈彦;尤肖虎;刘楠 - 东南大学
  • 2019-04-26 - 2021-09-28 - H04W24/10
  • 本发明公开了一种基于自我学习的无线网络故障检测方法,具体如下:采集网络关键性能指标KPI记录并将其保存为数据集合;对该数据集合采用SMOTEENN方法进行不平衡处理,获得平衡后的平衡数据集;通过稀疏自编码器从无标签辅助数据集中学习基向量;将平衡后的平衡数据集表示为各基向量线性组合的形式,并在此新表示下的平衡数据集上经支持向量机SVM方法训练得到正常与故障类别的分类模型;利用已建立好的分类模型对网络实时产生的KPI数据记录进行分类,进而达到故障检测的目的。本发明更为准确且有效地检测网络故障;且自我学习的形式方便迁移,在新的网络环境下能够很快得到故障检测的模型,提升了以往方法的故障检测效率。
  • 一种基于自我学习无线网络故障检测方法
  • [发明专利]一种基于自适应谐振理论的小区中断检测定位方法-CN201910242265.5有效
  • 潘志文;陈彦;刘楠;尤肖虎 - 东南大学
  • 2019-03-28 - 2021-09-28 - H04W24/08
  • 本发明公开了一种基于自适应谐振理论的小区中断检测定位方法,该方法在包含多个小区的采集区域中,通过用户周期性上报测量报告的形式获取其KPI、用户标识及位置信息,并根据其中的KPI信息对用户采用基于自适应谐振理论(Adaptive Resonance Theory,ART)网络和K‑S检验(Kolmogorov‑Smirnov test)的方法进行聚类,再根据聚类分析的结果,结合用户位置信息判断和定位采集区域中的中断小区。本发明中基于ART方法充分考虑了网络中有标签历史数据少甚至没有的情况,其与K‑S检验结合的方法能够准确而有效地完成小区中断检测功能,结合位置信息对中断小区的定位效果良好。
  • 一种基于自适应谐振理论小区中断检测定位方法

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