“矫禄禄”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果7个，建议您升级VIP下载更多相关专利

[发明专利]基于跨层设计联合深度Q网络的水声通信能量优化方法-CN202310504832.6有效
发明人：刘帅;王渝;郁泽慧;曹润琪;王猛;矫禄禄;刘钊;王景景 -专利权人：青岛科技大学
申请日： 2023-05-08 - 公布日： 2023-10-27 - 主分类号： H04W24/02 文献下载
摘要：本发明公开了一种基于跨层设计联合深度Q网络的水声通信能量优化方法。本发明首先水下布设水声传感网，在考虑能量的基础上建立水下网络物理层传输功率约束、MAC层的信道访问速率约束、路由层的数据包吞吐量约束；然后基于以上约束，对网络进行跨层设计，建立跨三层的能量优化模型；最后采用深度Q网络进行能量优化模型参数的求解，迭代更新跨层能量优化模型参数，直到输出网络能量优化的最佳参数。本发明能够有效应对水下声学传感器网络通信时能量受限的环境，降低网络通信的能量消耗。
基于设计联合深度网络通信能量优化方法

[发明专利]水下无线传感器网络中考虑数据紧急程度的数据采集方法-CN202211210521.0有效
发明人：刘帅;王景景;蒋嘉铭;徐凌伟;曹润琪;李爽;高志贺;矫禄禄;李奇伟;刘文君 -专利权人：青岛科技大学
申请日： 2022-09-30 - 公布日： 2023-08-04 - 主分类号： H04W84/18 文献下载
摘要：本发明公开了一种水下无线传感器网络中考虑数据紧急程度的数据采集方法，首先传感器节点根据数据的历史分布来确定数据的紧急程度，将每一个新收集的传感数据与历史记录进行比较，并根据其在正态分布中的位置确定其紧急性级别；然后对于紧急数据采用多跳路由的方式传送到水面汇聚节点，并设计了一种路由空洞检测算法，以避免紧急数据传输失败；最后使用自主式水下航行器以预定义的轨迹采集非紧急数据，轨迹附近的网关节点会选择最优链路质量的路由将数据传送给自主式水下航行器，以降低水下传感器网络能耗。本发明能够有效满足水下无线传感器网络中紧急数据对采集及时性的需求，减少网络的数据采集延迟和降低网络能耗。
水下无线传感器网络考虑数据紧急程度采集方法

[发明专利]基于改进门控网络和残差网络的水声通信信号调制方式识别方法-CN202110548553.0有效
发明人：吴承安;张威龙;黄子豪;权天祺;宋娟;矫禄禄;孙雅宁;杨作骞;王景景 -专利权人：青岛科技大学
申请日： 2021-05-19 - 公布日： 2023-04-07 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种基于改进门控网络和残差网络的水声通信信号调制方式识别方法，该识别方法包括：接收水声信号；对门控循环神经网络进行改进，以提取水声信号的时间特征；对残差神经网络进行改进，同时引入自注意力机制进行加权再处理，得到水声信号空间特征；基于水声信号时间特征和空间特征之间的相关性，使用自适应融合策略用于得到的水声信号时间特征和得到的空间特征进行融合；将融合后的特征送入全连接神经网络进行网络训练；待识别水声信号进行特征提取和融合后，输入至训练好的全连接神经网络进行识别，最后输出识别结果。本发明最终实现了抗干扰强、准确率高的水声通信调制方式智能识别。
基于改进门控网络通信信号调制方式识别方法

[发明专利]基于小波变换联合卷积神经网络的水声阵列信号波达方向估计方法-CN202110387520.2有效
发明人：权天祺;黄子豪;吴承安;矫禄禄;杨作骞;孙雅宁;张威龙;王景景 -专利权人：青岛科技大学
申请日： 2021-04-10 - 公布日： 2022-10-11 - 主分类号： G01S3/802 文献下载
摘要：本发明公开了一种基于小波变换联合卷积神经网络的水声阵列信号波达方向估计方法，属于自水声阵列信号处理领域的波达方向估计技术。本发明首先根据接收端获取的水声信号，基于小波变换构建时频阵列模型；然后改进协方差矩阵特征，降低神经网络输入维度；最后训练基于双支路卷积神经网络的波达方向估计模型，精确获取水声信号波达方向。本发明可有效抑制复杂海洋环境下信号受到噪声和时变特性的影响，解决杂海洋环境中常见波达角估计方法性能退化问题，获取更加精确的目标入射角度。
基于变换联合卷积神经网络阵列信号方向估计方法

[发明专利]基于LDA-KNN的水声信号自动调制识别方法-CN202110385508.8有效
发明人：黄子豪;权天祺;吴承安;孙雅宁;矫禄禄;杨作骞;赵文龙;王景景 -专利权人：青岛科技大学
申请日： 2021-04-10 - 公布日： 2022-09-06 - 主分类号： H04L27/00 文献下载
摘要：本发明公开了一种基于LDA‑KNN的水声信号自动调制识别方法，首先采样接收水声信号，提取水声信号的形态特征与熵特征并进行归一化处理；将处理后的特征用于训练LDA，得到用于特征降维与优化的映射权值与偏置；使用训练好的映射权值与归一化后的原始特征相乘并与偏置项相加，完成特征的映射；将映射后的特征进行标准化后，作为KNN的样本空间，得到LDA‑KNN分类模型；最后，将待识别的水声信号进行同样的特征提取以及映射后，输入到分类模型中，输出调制方式的分类。本发明最终实现低延迟、高准确率的水声信号自动调制识别，相较于传统自动调制识别算法，该方法可识别信号种类多、抗干扰能力强、识别准确率与稳定性高。
基于 lda knn 信号自动调制识别方法

[发明专利]基于改进VMD和改进小波阈值法相结合的水声信号去噪方法-CN202110503822.1有效
发明人：宋娟;李爽;黄子豪;权天祺;吴承安;矫禄禄;王景景 -专利权人：青岛科技大学
申请日： 2021-05-10 - 公布日： 2022-05-27 - 主分类号： G10L21/0216 文献下载
摘要：本发明公开了一种基于改进VMD模型和改进小波阈值法相结合的水声信号去噪方法。本发明首先利用基于峭度最大化原则确定VMD模型中的参数k，采用改进的鲸鱼优化算法确定二次惩罚项α，得到改进的VMD模型；然后将源信号输入改进后的VMD模型得到多个固有模态函数；再对IMFs进行小波阈值法处理进一步去除残留噪声，其中采用改进的灰狼优化算法优化阈值λ，最终将IMFs重构得到降噪后的信号。本发明能有效分离噪声环境下的信号，抑制水声通信系统中的复杂海洋噪声，提高水声信号接收质量和抗噪性能。
基于改进 vmd 阈值法相结合信号方法

[发明专利]基于深度学习的水声阵列信号二维波达方向估计方法-CN202110572624.0有效
发明人： 矫禄禄;权天祺;黄子豪;宋娟;董新利;张德春;王景景 -专利权人：青岛科技大学
申请日： 2021-05-25 - 公布日： 2022-04-29 - 主分类号： G01S3/802 文献下载
摘要：本发明公开了一种基于深度学习的水声阵列信号二维波达方向估计方法，本发明首先基于小波变换对型水声阵列接收信号进行预处理，提取水声信号时频特征，在保留原信号重要信息的前提下，利用线性因子对信号特征进行增强，降低噪声干扰；然后基于奇异值分解对信号进行压缩降维，提取分解后矩阵左上角信号能量部分，摒弃右下角噪声能量部分，增强预处理后信号的时频特征；最后训练基于卷积神经网络的水声阵列信号二维波达方向估计模型，获取准确预测的二维波达方向。本发明能够有效增强信号的时频特性，降低噪声干扰，更精准地预测水声阵列信号二维波达方向。
基于深度学习阵列信号二维方向估计方法

1
共 7 条