-
公开(公告)号：CN117176242B
公开(公告)日：2024-03-26
申请号：CN202311125252.2
申请日：2023-09-01
Applicant: 东北大学秦皇岛分校
Abstract: 本申请涉及一种基于多天线中继的反向散射系统物理层安全增强方法，包括以下步骤：部署多天线中继节点，并构建基于多天线中继节点的反向散射系统模型；确定所述反向散射系统的传输过程，计算阅读器和窃听节点的信干噪比解析表达式；基于所述的阅读器和窃听节点的信干噪比解析表达式，构造保密速率最大化的目标函数，其中，所述的保密速率最大化的目标函数是关于变量——协作波束成形向量、人工噪声以及功率分割因子联合优化的目标函数；对所述的保密速率最大化的目标函数进行优化，从而实现反向散射系统保密性能的增强。本申请可以提高反向散射系统的安全性，同时降低系统功耗。
-
公开(公告)号：CN102340296A
公开(公告)日：2012-02-01
申请号：CN201110204946.6
申请日：2011-07-21
Applicant: 东北大学秦皇岛分校
Abstract: 为解决高阶数字FIR滤波器并行处理效率的问题，提出了一种高效的、适合GPU体系结构的高阶数字FIR滤波器并行处理算法，该方法采用重叠保留方法结合GPU自身结构特点优化实现高阶数字FIR的频域并行化处理。通过计算FIR频率响应系数，将待处理的输入数据传送给GPU；数据重叠搬移；滤波计算处理；数据合并搬移；将合并搬移结果Y＝{Y0，Y1，....，Yk-1}传送到主机内存等步骤完成高阶数字FIR滤波器频域并行处理。对比在CPU上单线程所实现的FIR频域重叠保留方法，其吞吐率，即每秒处理样点的数量有着极大地提高，典型的加速比在100倍以上。
-
公开(公告)号：CN117176242A
公开(公告)日：2023-12-05
申请号：CN202311125252.2
申请日：2023-09-01
Applicant: 东北大学秦皇岛分校
Abstract: 本申请涉及一种基于多天线中继的反向散射系统物理层安全增强方法，包括以下步骤：部署多天线中继节点，并构建基于多天线中继节点的反向散射系统模型；确定所述反向散射系统的传输过程，计算阅读器和窃听节点的信干噪比解析表达式；基于所述的阅读器和窃听节点的信干噪比解析表达式，构造保密速率最大化的目标函数，其中，所述的保密速率最大化的目标函数是关于变量——协作波束成形向量、人工噪声以及功率分割因子联合优化的目标函数；对所述的保密速率最大化的目标函数进行优化，从而实现反向散射系统保密性能的增强。本申请可以提高反向散射系统的安全性，同时降低系统功耗。
-
公开(公告)号：CN116704444A
公开(公告)日：2023-09-05
申请号：CN202310763676.5
申请日：2023-06-27
Applicant: 东北大学秦皇岛分校
IPC: G06V20/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于级联注意力U‑Net的视频异常事件检测方法，属于视频处理技术领域，由于深度神经网络具有强大的特征提取能力和表征能力，基于深度学习的视频异常事件检测方法被广泛应用。深度神经网络通过大量的实验数据进行训练，无须手工设计特征，将特征提取和模型构建整合在一起，实现端到端的异常事件检测方法。本发明提出了基于级联注意力U‑Net的视频异常事件检测方法，在第一个注意力U‑Net块中结合时间迁移模块作为帧预测模型，第二个和第三个注意力U‑Net级联模块作为帧重构模块，最后结合预测帧和重构帧计算异常分数完成异常事件识别，进一步提升检测性能。
-
公开(公告)号：CN102340296B
公开(公告)日：2013-12-25
申请号：CN201110204946.6
申请日：2011-07-21
Applicant: 东北大学秦皇岛分校
Abstract: 为解决高阶数字FIR滤波器并行处理效率的问题，提出了一种高效的、适合GPU体系结构的高阶数字FIR滤波器并行处理算法，该方法采用重叠保留方法结合GPU自身结构特点优化实现高阶数字FIR的频域并行化处理。通过计算FIR频率响应系数，将待处理的输入数据传送给GPU；数据重叠搬移；滤波计算处理；数据合并搬移；将合并搬移结果Y＝{Y0，Y1，....，Yk-1}传送到主机内存等步骤完成高阶数字FIR滤波器频域并行处理。对比在CPU上单线程所实现的FIR频域重叠保留方法，其吞吐率，即每秒处理样点的数量有着极大地提高，典型的加速比在100倍以上。
-
Patent Agency Ranking
公开(公告)号：CN117014867B
公开(公告)日：2024-12-27
申请号：CN202311124217.9
申请日：2023-09-01
Applicant: 东北大学秦皇岛分校
Abstract: 本申请涉及一种基于无人机中继系统的协作干扰方法，其包括建立基于无人机中继系统的协作干扰模型，所述协作干扰模型包括源节点S、无人机中继节点R、无人机干扰机节点J、合法目的节点D以及窃听者E，所述无人机干扰机节点J用于发射干扰信号对抗窃听者；基于所述协作干扰模型，构建最大化平均保密率目标函数；对所述最大化平均保密率目标函数进行优化，从而实现无人机协作干扰辅助中继网络系统保密性能的增强。本申请具有降低保密率过度依赖信道质量，提高无人机中继系统物理层安全性的效果。
-
公开(公告)号：CN118915780A
公开(公告)日：2024-11-08
申请号：CN202410960286.1
申请日：2024-07-17
Applicant: 东北大学秦皇岛分校
IPC: G05D1/46 , G05D109/20
Abstract: 一种基于多级边缘计算的无人机轨迹优化方法、系统、存储介质及电子设备。其中，方法包括：获取无人机基于目标轨迹执行任务中的任务参数，其中，无人机设置有边缘服务器，用于辅助至少一个地面用户和地面边缘服务器进行边缘计算；根据任务参数建立模型，根据模型确定随机优化问题，并定义随机优化问题的优化目标和约束条件；根据随机优化问题的优化目标和约束条件，将随机优化问题转换为时隙问题，并求解所述时隙问题；根据时隙问题的解，优化目标轨迹，并根据优化后的目标轨迹控制无人机执行任务。实施本申请提供的技术方案，可以在用户需求动态变化的情况下，实时优化无人机的飞行轨迹以适应不断变化的任务环境。
-
公开(公告)号：CN118574156A
公开(公告)日：2024-08-30
申请号：CN202410620860.9
申请日：2024-05-20
Applicant: 东北大学秦皇岛分校
Abstract: 本发明涉及海洋无线通信技术领域，公开了基于深度强化学习的无人机辅助无人艇任务卸载方法，包括以下步骤：建立移动边缘计算的三维无线通信网络系统模型，所述系统模型包括K个USV，其集合表示为k∈{1,2,....,K}，k表示该集合中的某一个USV，1架搭载MEC边缘服务器的无人机U＝{u}，通过无人机对USVk进行计算卸载以节省USVk的计算的能耗并缩减任务执行延迟；建立时延模型与能耗模型；无人机调度和卸载策略联合优化问题；提出基于深度强化学习的OU‑TD3算法。本发明中，采用深度强化学习相比传统算法在无人机辅助USV进行边缘计算的任务卸载中能够更好地适应复杂、实时的任务需求，提高了系统的智能化和效率。
-
公开(公告)号：CN117014867A
公开(公告)日：2023-11-07
申请号：CN202311124217.9
申请日：2023-09-01
Applicant: 东北大学秦皇岛分校
Abstract: 本申请涉及一种基于无人机中继系统的协作干扰方法，其包括建立基于无人机中继系统的协作干扰模型，所述协作干扰模型包括源节点S、无人机中继节点R、无人机干扰机节点J、合法目的节点D以及窃听者E，所述无人机干扰机节点J用于发射干扰信号对抗窃听者；基于所述协作干扰模型，构建最大化平均保密率目标函数；对所述最大化平均保密率目标函数进行优化，从而实现无人机协作干扰辅助中继网络系统保密性能的增强。本申请具有降低保密率过度依赖信道质量，提高无人机中继系统物理层安全性的效果。
-
公开(公告)号：CN117098203A
公开(公告)日：2023-11-21
申请号：CN202311083473.8
申请日：2023-08-25
Applicant: 东北大学秦皇岛分校
Abstract: 本申请涉及一种数据转发方法及系统、基站、通信系统、存储介质，所述方法包括：当基站需要发信息给远端用户时，将与所述基站有通信连接关系的K个近端用户作为K个用户中继节点，根据利用用户之间的社会属性所建立的社交感知模型，优先选择符合预设条件的用户中继节点协作转发数据至所述远端用户；当没有符合预设条件的用户中继节点时，则利用与所述基站有通信连接关系的专用中继节点协作转发数据至所述远端用户。本申请可以降低协作网络的系统能耗、减少资源浪费，并保证数据的稳定传输。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.034 seconds)
