-
公开(公告)号：CN111246218B
公开(公告)日：2023-07-14
申请号：CN202010046667.0
申请日：2020-01-16
Applicant: 郑州轻工业大学
IPC: H04N19/597 , H04N19/96 , H04N19/176 , H04N19/107
Abstract: 本发明提出了一种基于JND模型的CU分割预测和模式决策纹理编码方法，其步骤为：首先，启动模式决策，通过亮度JND模型、空间JND模型和时间JND模型构建纹理视频的多视图纹理JND模型；其次，根据纹理视频的内容设置多视图纹理JND模型的阈值，并根据阈值将纹理视频的树块分为三种类型；再根据当前树块所属类型对当前树块进行自适应CU分割；最后，根据当前树块所属的类型对自适应CU分割的树块进行快速模式决策的预测，确定树块的最佳编码模式。本发明利用JND模型分析纹理图像的树块特征，在早期阶段跳过纹理视频的一些树块，可显著降低3D‑HEVC的编码复杂度，同时视频的RD性能的损失可以忽略不计。
-
公开(公告)号：CN111031303B
公开(公告)日：2021-01-26
申请号：CN201911150040.3
申请日：2019-11-21
Applicant: 郑州轻工业大学
IPC: H04N13/161 , H04N13/271 , H04N19/597
Abstract: 本发明提出了一种基于贝叶斯决策定理的3D‑HEVC快速深度编码方法，其步骤为：首先确定深度图树块，分析不同量化参数之间的帧间模式分布；一方面，采用贝叶斯规则计算深度图树块的后验概率，并判断深度图树块的交互模式是否最佳确定深度图树块的最佳编码模式为SKIP/Merge模式；另一方面，根据贝叶斯规则计算深度图树块的贝叶斯成本，根据贝叶斯成本是否小于公差参数，早期确定终止深度图树块的CU修剪，确定最佳编码模式，或者利用3D‑HEVC编码器分割深度图树块的CU，测试深度图树块的其他编码模式，找到最佳编码模式。本发明通过引入贝叶斯规则避免了测试深度图编码的其它帧间模式，既保证相似虚拟视点质量，又明显降低3D‑HEVC深度编码复杂度。
-
公开(公告)号：CN111988248A
公开(公告)日：2020-11-24
申请号：CN202010682300.8
申请日：2020-07-15
Applicant: 郑州轻工业大学
IPC: H04L25/03 , H04B7/0456
Abstract: 本发明公开了一种基于干扰通信对信息交互机制的接收方法及其装置；发射机与其对应接收机获取信道信息并初始化数据结构，选择与信道匹配的码字矩阵；发射机计算内外级联预编码IOP方法的内、外部预编码矩阵，并向其接收机发送参数向量信息，进行信息交互，实现参数同步；干扰通信对接收机接收方法：接收机根据其维护的数据结构的标志Flag，确定发射机采取的IOP方法；接收机根据参数同步后确定的IOP方法的内、外部预编码矩阵和所述数据结构中的取值设计滤波矩阵，重构输出信号，输出符合条件的数据。本发明设计了干扰通信对进行信息交互的数据结构与流程，并在此基础上给出发射机对应接收机的接收方法，实现接收机对多路数据的恢复。
-
公开(公告)号：CN118473466A
公开(公告)日：2024-08-09
申请号：CN202410676706.3
申请日：2024-05-29
Applicant: 郑州轻工业大学
IPC: H04B7/04 , H04B7/0456
Abstract: 本发明提出了一种基于信道估计预畸变的智能反射表面辅助干扰利用方法，步骤为：构建异构蜂窝网络下行通信系统，并估计通信过程中接收机与发射机之间的信道状态信息；微微基站计算微微用户设备滤波后的直传干扰估计分量与期望数据的相位差；微微基站使用相位差对发送给微微用户设备的导频信号进行预畸变处理，微微用户根据接收到的预畸变后的导频信号重新估计信道状态信息，并根据估计的信道状态信息设计滤波向量；宏基站设计智能反射表面的反射系数矩阵，使得反射干扰与直传干扰在微微用户设备处同相叠加；微微用户设备使用计算的滤波向量对接收混合信号进行处理，恢复出期望数据。本发明没有增加额外自由度开销，同时也解决了传统干扰管理方法的信号质量损失的问题，并且实现了对干扰的充分利用。
-
公开(公告)号：CN111429497B
公开(公告)日：2023-05-05
申请号：CN202010201383.4
申请日：2020-03-20
Applicant: 郑州轻工业大学
Inventor： 赵进超 , 张秋闻 , 王兆博 , 王祎菡 , 崔腾耀 , 赵永博 , 郭睿骁 , 王晓 , 蒋斌 , 黄立勋 , 张伟伟 , 钱晓亮 , 吴庆岗 , 常化文 , 魏涛 , 孙丽君
IPC: G06T7/40 , G06T7/136 , G06T7/13 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了一种基于深度学习和多特征融合的自适应CU拆分决策方法，其步骤为：首先，利用标准偏差计算当前CU的纹理复杂度SD，再利用量化参数函数和深度函数构建阈值模型，将当前CU分为复杂CU和均匀CU；其次，如果复杂CU属于边缘CU，则利用基于多特征融合的CNN结构对复杂CU进行判断是否拆分；否则，利用基于自适应的CNN结构对复杂CU进行判断是否拆分。本发明将深度学习和多特征融合相结合，解决了编码复杂性的问题。基于多特征融合的CNN结构和基于自适应的CNN结构均可成功处理训练样本，避免计算所有与复杂CU的率失真RDO，从而降低了计算复杂度，节省了编码时间。
-
Patent Agency Ranking
公开(公告)号：CN111988255B
公开(公告)日：2022-12-09
申请号：CN202010689231.3
申请日：2020-07-15
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于分解和分布式调制的物理层安全传输方法及系统；控制器将高阶调制分解为多个正交相移键控调制，每个正交相移键控调制进一步分解为两个相互正交的二进制相移键控调制；将待发送的期望数据信息由两个二进制相移键控信号表示，并且分别由两个发射机负责发送，发射机之间共享信道状态信息，发射机对发送信号分别进行预处理后发送到目标接收机；目标接收机接收两个二进制相移键控信号的混合信号，滤波后恢复出期望数据信息。本发明对高阶调制进行分解和分布式调制并发送，每个分布式信号都不会携带目标接收机的完整期望数据信息，实现了数据的保密传输，并有效阻止窃听者获取期望数据信息，实现了期望数据信息的保密传输。
-
公开(公告)号：CN111988255A
公开(公告)日：2020-11-24
申请号：CN202010689231.3
申请日：2020-07-15
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于分解和分布式调制的物理层安全传输方法及系统；控制器将高阶调制分解为多个正交相移键控调制，每个正交相移键控调制进一步分解为两个相互正交的二进制相移键控调制；将待发送的期望数据信息由两个二进制相移键控信号表示，并且分别由两个发射机负责发送，发射机之间共享信道状态信息，发射机对发送信号分别进行预处理后发送到目标接收机；目标接收机接收两个二进制相移键控信号的混合信号，滤波后恢复出期望数据信息。本发明对高阶调制进行分解和分布式调制并发送，每个分布式信号都不会携带目标接收机的完整期望数据信息，实现了数据的保密传输，并有效阻止窃听者获取期望数据信息，实现了期望数据信息的保密传输。
-
公开(公告)号：CN111031303A
公开(公告)日：2020-04-17
申请号：CN201911150040.3
申请日：2019-11-21
Applicant: 郑州轻工业大学
IPC: H04N13/161 , H04N13/271 , H04N19/597
Abstract: 本发明提出了一种基于贝叶斯决策定理的3D-HEVC快速深度编码方法，其步骤为：首先确定深度图树块，分析不同量化参数之间的帧间模式分布；一方面，采用贝叶斯规则计算深度图树块的后验概率，并判断深度图树块的交互模式是否最佳确定深度图树块的最佳编码模式为SKIP/Merge模式；另一方面，根据贝叶斯规则计算深度图树块的贝叶斯成本，根据贝叶斯成本是否小于公差参数，早期确定终止深度图树块的CU修剪，确定最佳编码模式，或者利用3D-HEVC编码器分割深度图树块的CU，测试深度图树块的其他编码模式，找到最佳编码模式。本发明通过引入贝叶斯规则避免了测试深度图编码的其它帧间模式，既保证相似虚拟视点质量，又明显降低3D-HEVC深度编码复杂度。
-
公开(公告)号：CN111429497A
公开(公告)日：2020-07-17
申请号：CN202010201383.4
申请日：2020-03-20
Applicant: 郑州轻工业大学
Inventor： 赵进超 , 张秋闻 , 王兆博 , 王祎菡 , 崔腾耀 , 赵永博 , 郭睿骁 , 王晓 , 蒋斌 , 黄立勋 , 张伟伟 , 钱晓亮 , 吴庆岗 , 常化文 , 魏涛 , 孙丽君
Abstract: 本发明提出了一种基于深度学习和多特征融合的自适应CU拆分决策方法，其步骤为：首先，利用标准偏差计算当前CU的纹理复杂度SD，再利用量化参数函数和深度函数构建阈值模型，将当前CU分为复杂CU和均匀CU；其次，如果复杂CU属于边缘CU，则利用基于多特征融合的CNN结构对复杂CU进行判断是否拆分；否则，利用基于自适应的CNN结构对复杂CU进行判断是否拆分。本发明将深度学习和多特征融合相结合，解决了编码复杂性的问题。基于多特征融合的CNN结构和基于自适应的CNN结构均可成功处理训练样本，避免计算所有与复杂CU的率失真RDO，从而降低了计算复杂度，节省了编码时间。
-
公开(公告)号：CN111988248B
公开(公告)日：2022-12-06
申请号：CN202010682300.8
申请日：2020-07-15
Applicant: 郑州轻工业大学
IPC: H04L25/03 , H04B7/0456
Abstract: 本发明公开了一种基于干扰通信对信息交互机制的接收方法及其装置；发射机与其对应接收机获取信道信息并初始化数据结构，选择与信道匹配的码字矩阵；发射机计算内外级联预编码IOP方法的内、外部预编码矩阵，并向其接收机发送参数向量信息，进行信息交互，实现参数同步；干扰通信对接收机接收方法：接收机根据其维护的数据结构的标志Flag，确定发射机采取的IOP方法；接收机根据参数同步后确定的IOP方法的内、外部预编码矩阵和所述数据结构中的取值设计滤波矩阵，重构输出信号，输出符合条件的数据。本发明设计了干扰通信对进行信息交互的数据结构与流程，并在此基础上给出发射机对应接收机的接收方法，实现接收机对多路数据的恢复。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.028 seconds)
