基于渐进最优收缩估计的合作频谱感知方法

    公开(公告)号:CN107484179A

    公开(公告)日:2017-12-15

    申请号:CN201710844393.8

    申请日:2017-09-19

    Abstract: 本发明公开了基于渐进最优收缩估计的合作频谱感知方法的具体实现步骤为:步骤1:宏基站配置的多天线发送授权用户信号。步骤2:各个低功率小蜂窝基站接收宏基站信号并进行连续独立采样。步骤3:低功率小蜂窝基站将感知数据发送给数据融合中心,数据融合中心基于接收的信号样本组成接收样本矩阵。步骤4:数据融合中心根据接收样本矩阵得到判决统计量。步骤5:数据融合中心将判决统计量与判决门限进行比较得出授权用户是否存在的判决结果并告知蜂窝基站。本发明考虑了接收机噪声理想和非理想两种情况,通过利用渐进最优收缩估计器的良好估计性能提高了频谱感知的性能。

    一种基于极化信息处理的认知异构蜂窝网络频谱共享方法

    公开(公告)号:CN106788819A

    公开(公告)日:2017-05-31

    申请号:CN201611257469.9

    申请日:2016-12-30

    Abstract: 本发明公开了一种基于极化信息处理的认知异构蜂窝网络频谱共享方法,其利用极化信息处理实现认知异构蜂窝网络中宏蜂窝和小蜂窝间的频谱共享,应用于认知异构蜂窝网络。本发明优化小蜂窝用户接收极化状态,减小来自宏蜂窝基站的干扰;优化小蜂窝基站发送极化状态,减小对宏蜂窝用户的干扰,保证宏蜂窝用户的正常工作;利用认知异构蜂窝网络的极化信息,实现小蜂窝下行容量的最大化;采用虚拟变极化方法产生极化状态,相比于改变天线硬件配置产生极化状态的方法,具有实现复杂度低的优点。

    基于图神经网络的偏好学习的综合决策方法、系统及介质

    公开(公告)号:CN117540247A

    公开(公告)日:2024-02-09

    申请号:CN202311445543.X

    申请日:2023-11-02

    Abstract: 本发明提出一种基于图神经网络的偏好学习的综合决策方法、系统及介质,所述方法包括:阶段1方案间的偏好关系被映射到图结构上,并据此构建一个偏好关系图;阶段2偏好关系预测问题被转换为一个图上的边分类问题,采用多层感知机模型获取图上的边特征,并借助图神经网络的表达能力挖掘图上的偏好信息;阶段3构造一个对比器神经网络,将前一阶段的成对方案偏好作为输入,将每个方案偏好得分作为输出,并根据得分对方案的偏好进行排序。本发明解决了综合决策时产生较多无效偏好信息的问题,并在提升排序预测性能的同时保证了综合决策过程的可解释性,得到的决策结果更加可靠且可信。

    手势识别、手势交互方法及装置
    19.
    发明公开

    公开(公告)号:CN116543452A

    公开(公告)日:2023-08-04

    申请号:CN202310363839.0

    申请日:2023-04-06

    Abstract: 本发明提供一种手势识别、手势交互方法及装置,手势识别方法包括:确定待识别手部关键点数据;将所述待识别手部关键点数据输入手势识别模型,得到所述待识别手部关键点数据对应的目标手势类别;其中,所述手势识别模型是基于样本手部关键点数据以及所述样本手部关键点数据对应的手势类别标签训练得到的,所述样本手部关键点数据是初始样本手部关键点数据进行位姿归一化后获得的。本发明能够实现准确且快速的手势识别,还可以实现多种功能的人机交互,具有较高的稳定性和鲁棒性。

    无监督学习的三维光场显示景深压缩方法及装置

    公开(公告)号:CN118735980A

    公开(公告)日:2024-10-01

    申请号:CN202410715807.7

    申请日:2024-06-04

    Abstract: 本发明提供一种无监督学习的三维光场显示景深压缩方法及装置,该方法包括:获取三维光场场景下的待压缩的深度图像和待压缩的深度图像对应的彩色图像;将待压缩的深度图像输入至目标动态因子生成网络,得到目标动态因子生成网络输出的动态因子矩阵;目标动态因子生成网络是基于样本图像集训练得到的,样本图像集包括多对训练样本,每对训练样本包括样本深度图像和样本深度图像对应的样本彩色图像;基于动态因子矩阵和动态映射函数,确定待压缩的深度图像对应的重映射深度图像;基于彩色图像和重映射深度图像,确定压缩后的光场显示图像,使得压缩后的光场显示图像的深度在三维显示器的显示范围之内,提升显示清晰度,同时,能够提升视觉舒适度。

Patent Agency Ranking