-
公开(公告)号：CN114463825A
公开(公告)日：2022-05-10
申请号：CN202210363355.1
申请日：2022-04-08
Applicant: 北京邮电大学
Abstract: 本公开提供一种基于多模态融合的人脸预测方法及相关设备。该方法包括：获取带有纹理的3D人脸信息数据，将其划分为点云坐标和纹理图像，并将点云坐标处理成几何特征向量、纹理图像处理成纹理特征向量；将所述几何特征向量与所述纹理特征向量进行平衡处理后两两拼接，得到多个无序词向量；将多个所述无序词向量分别输入到多个预先构建的Transformer融合模型进行融合，得到多个融合特征向量；将多个所述融合特征向量输入至经过预训练的多层感知机进行预测，输出与所述3D人脸信息数据对应的预测结果。本公开提供的一种基于多模态融合的人脸预测方法及相关设备，将点云的空间几何信息与贴图的纹理图像信息融合，有效提高了人脸预测的精度。
-
公开(公告)号：CN114025379A
公开(公告)日：2022-02-08
申请号：CN202111308451.8
申请日：2021-11-05
Applicant: 北京邮电大学
IPC: H04W24/08 , H04B17/318
Abstract: 本发明提供了一种宽带多信号检测方法、装置和设备，所述宽带多信号检测方法包括：采集预设频段的宽带信号；对宽带信号进行加窗傅里叶变换后，通过对数法，得到宽带信号的信号功率谱；对信号功率谱进行预处理；根据预处理后的信号功率谱的变化趋势，对每个信号进行边缘检测识别，在预处理后的信号功率谱中分别标记每个信号的左边缘点、右边缘点，以及信号交叠点；根据信号交叠点，对存在信号交叠的信号的左边缘点和右边缘点进行修正；根据修正后的左边缘点和修正后的右边缘点的匹配结果以及预处理后的信号功率谱，输出信号检测结果。本发明方案，可以降低噪声、信号强度差异以及信号交叠带来的影响，进而提高信号的检测性能以及信号检测准确度。
-
公开(公告)号：CN113705245A
公开(公告)日：2021-11-26
申请号：CN202111023391.5
申请日：2021-09-01
Applicant: 北京邮电大学
Abstract: 本公开提供一种语义通信方法。该方法可以包括：获取语义任务需求；与接收端进行背景知识同步；根据上述语义任务需求，基于同步后的背景知识，从语义基集合中选取与语义任务需求匹配且符合信道传输能力的语义基；将待表征信息从原表征空间变换至由所选取语义基张成的语义表征空间，得到待表征信息在当前语义基基底下的语义信息；基于背景知识与语义任务需求，提取与语义任务需求有关的语义信息，并执行信息编码；以及将编码后的信息发送至接收端。本公开还提供了一种语义通信装置、网络化语义通信系统、计算机设备以及存储介质。
-
公开(公告)号：CN113543145A
公开(公告)日：2021-10-22
申请号：CN202110631944.9
申请日：2021-06-07
Applicant: 北京邮电大学
Abstract: 本发明提供一种NOMA系统用户配对和功率分配联合优化方法及装置，该方法包括：对物理域内的每个强用户和每个弱用户进行配对；确定使所有用户对遍历和速率的期望值最大时，强用户和弱用户的配对方案以及功率分配方案，作为优化方案；其中，强用户和弱用户分别根据信道功率增益大小划分，遍历和速率为每一用户对的总遍历速率；若一个强用户和一个弱用户共享频谱，但不能同时满足功率约束和QOS条件，则工作在OMA模式；若一个强用户和一个弱用户共享频谱，能同时满足功率约束和QOS条件，则工作在NOMA模式；未匹配强用户的弱用户视为虚拟用户对。本发明显著提高了系统吞吐量、具有用户公平性和低复杂度的特点，可扩展性较强。
-
公开(公告)号：CN111565169B
公开(公告)日：2021-06-15
申请号：CN202010197272.0
申请日：2020-03-19
Applicant: 北京邮电大学
Abstract: 本发明实施例提供一种移动边缘计算架构下云边端认证方法，将MEC服务器匿名身份发送给终端认证装置，以供终端认证装置生成终端认证向量；根据终端认证装置发送的所述终端认证向量和第一MEC服务器随机数生成MEC服务器认证向量和MEC服务器期望响应消息，并将MEC服务器认证向量发送给核心网服务器，以供核心网服务器验证另外两者身份；根据核心网服务器发送的核心网服务器认证向量和MEC服务器期望响应消息验证核心网服务器身份，若其身份验证成功，则将核心网服务器认证向量的预设部分转发给终端认证装置，以供终端认证装置验证核心网服务器身份。本发明实施例保证了认证安全性和低时延性。
-
Patent Agency Ranking
公开(公告)号：CN110531617B
公开(公告)日：2021-01-08
申请号：CN201910695765.4
申请日：2019-07-30
Applicant: 北京邮电大学
Abstract: 本发明公开了多无人机3D悬停位置联合优化方法、装置和无人机基站。该方法首先获取无人机所处的异构网络的状态信息；将状态信息输入预先构建的深度强化学习网络，通过当前策略决策下一时刻的悬停位置，并从环境中获得无人机在当前时刻的悬停位置的回报函数值；基于异策略深度确定梯度策略算法，求取更新的梯度，多个无人机同步更新策略参数；根据更新梯度，迭代执行从获取状态信息到同步更新多个无人机的策略参数的步骤，使目标策略函数逐渐收敛，直至得到最优策略。该装置包括状态获取单元、回报单元、梯度更新单元和训练单元。无人机基站，其处理器可执行本发明方法。本发明实现了多无人机在环境中自主学习，可以适应动态、非平稳的环境变化。
-
公开(公告)号：CN108418613B
公开(公告)日：2020-11-06
申请号：CN201810002410.8
申请日：2018-01-02
Applicant: 北京邮电大学
IPC: H04L1/06
Abstract: 本发明提供一种基于速率分拆的非对称上下行协作传输方法及装置。所述方法包括：针对每个帧，在无速率分拆RS条件下，利用松弛条件下的线性规划方法进行用户配对，选择相对干扰强度最高的其他小区用户与目标用户配对，以获得最优用户配对；基于所述最优用户配对，在有速率分拆RS条件下，利用DC规划算法求解最优的发射协方差矩阵；基于所述最优的发射协方差矩阵，获取每个小小区在不同传输方向上的最优和速率，选择最优和速率最大的传输方向作为发射信号的传输方向。本发明采用了速率分拆RS技术并引入协作机制，在多小区上下行传输时可支持非对称工况。相比于传统的传输方法，针对不同用户位置和网络规模，传输效率均更高。
-
公开(公告)号：CN111458676A
公开(公告)日：2020-07-28
申请号：CN202010148361.6
申请日：2020-03-05
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于级联神经网络的波达方向估计方法及装置，基于接收的来自多个信号源的信号，确定所接收信号的协方差矩阵；对协方差矩阵进行特征值分解，得到特征值向量；将协方差矩阵中的元素转换为归一化实向量，得到协方差信息向量；将特征值向量和协方差信息向量输入预先训练完成的级联神经网络，得到针对各个信号源的信号的波达方向角；级联神经网络包括信噪比分类网络和波达方向估计网络，波达方向估计网络包括高信噪比估计子网络和低信噪比估计子网络；信噪比分类网络的输出结果为高信噪比激活高信噪比估计子网络；信噪比分类网络的输出结果为低信噪比激活低信噪比估计子网络。能够适用于广泛的信噪比范围。
-
公开(公告)号：CN111342881A
公开(公告)日：2020-06-26
申请号：CN202010080741.0
申请日：2020-02-05
Applicant: 北京邮电大学
Abstract: 本发明实施例提供一种基于无人机进行中继辅助传输的方法及系统。该方法包括：在参考坐标系中建立信号源端的运动轨迹函数，得到距离集合；基站对接收信号进行最大比合并，得到系统接收信号表达式；对系统总体信噪比进行预设相移键控调制，得到系统接收总体误符号率；构建系统优化函数，通过预设算法对系统优化函数求解最优解；按照预设最小时间间隔对信号源端功率和无人机中继转发功率进行功率分配设置，完成信号传输。本发明实施例针对系统总功率受限、源端发射功率低且高速运动的情况，基于无人机中继策略进行中继传输，并采用系统误符号率最小化的优化为目标进行对应的功率分配，高效完成运动场景下多点和多跳传输。
-
公开(公告)号：CN106712818B
公开(公告)日：2020-05-08
申请号：CN201710046058.3
申请日：2017-01-22
Applicant: 北京邮电大学
IPC: H04B7/0413 , H04B7/0456
Abstract: 本发明实施例提供了一种预编码矩阵获取方法及装置，所述方法包括：发射输入信号并获取输出信号；确定各基站天线与目标无线接入端口间的目标信道的目标信道信息矩阵，以及各基站天线与其他无线接入端口间的信道的信道信息矩阵；确定目标信道信息矩阵对应的干扰信道矩阵；对干扰信道矩阵进行单位矩阵拓展，得到拓展干扰信道矩阵；对拓展干扰信道矩阵进行共轭转置处理，得到目标共轭转置矩阵；对目标共轭转置矩阵进行QR分解，得到第一层预编码矩阵；根据第一层预编码矩阵得到第二层预编码矩阵，根据第一次预编码矩阵和第二层预编码矩阵得到预编码矩阵。本实施例可减小计算第一层预编码矩阵时的运算量，从而减小预编码方法的运算量。
-
-
-
-
-
-
-
-
-
Search Results
915
records
(took 0.135 seconds)
