基于离散余弦变换的海洋线型传感器阵列数据压缩方法

    公开(公告)号:CN103812509A

    公开(公告)日:2014-05-21

    申请号:CN201410024984.7

    申请日:2014-01-20

    Abstract: 本发明提供一种基于离散余弦变换的海洋线型传感器阵列数据压缩方法,属于海洋通信领域,用于解决现有的海洋无线传感网络传输数据冗余、能源损耗高和传输效率低的问题。本发明提供的方法首先将当前传感器阵列中不同深度的传感器采集的海洋航线数据进行处理后得到至少一个行向量矩阵;随后对每个行向量矩阵进行一维离散余弦变换;再对离散余弦变换后的各行向量矩阵中数据的频率系数进行均匀量化;最后对量化后的各行向量矩阵中的每个数据进行霍夫曼编码。该方法能够极大的节省数据传输码长和传输的次数,有效节省了整个海洋航线监测传感器网络的传输费用损耗和能源损耗。

    一种多深度层面的航道水文监测信息的可视化方法

    公开(公告)号:CN103776431A

    公开(公告)日:2014-05-07

    申请号:CN201410032230.6

    申请日:2014-01-23

    CPC classification number: G01C13/00 G01C13/002

    Abstract: 本发明提供一种多深度层面的航道水文监测信息的可视化方法,属于海洋通信领域,用于解决现有的航道水文监测方法无法直接提供能够体现航道水文规律的信息的问题,本发明提供的方法包括:步骤一:采用HSV颜色空间模型,饱和度S和亮度V选用预先设定的固定值,将色调H的取值范围分为N份,得到N个不同的HSV颜色值;其中,当前传感器阵列一共在N个不同深度设置有传感器,N取值为正整数;步骤二:采用步骤一所确定的N个不同的HSV颜色值分别绘制当前传感器阵列中N个不同深度的传感器在预定监测时间内各自采集的航道水文监测信息。该方法可以直观显示各个深度的水流速流向特点,方便工作人员和研究人员的预警及后期的水文规律提取。

    基于双时间尺度强化学习网络模态配置与调整方法及装置

    公开(公告)号:CN120075071A

    公开(公告)日:2025-05-30

    申请号:CN202510191064.2

    申请日:2025-02-20

    Abstract: 本发明提供一种基于双时间尺度强化学习网络模态配置与调整方法及装置,涉及通信技术领域。该方法包括:构建无人机辅助网络模态的系统模型;根据系统模型构建优化问题模型;将优化问题模型在强化学习的框架下重构为双时间尺度马尔科夫决策过程;通过基于双时间尺度强化学习的方案进行求解。本发明将优化问题解耦为网络模态级和用户级两个不同时间尺度上的优化子问题,并基于强化学习中的评论家网络被用于在某个特定状态下期望的累计折扣奖励的特性,利用评论家网络预测网络模态参数的重新配置与调整的收益,然后通过将其与网络模态参数的重新配置与调整的成本相比较,实现了网络模态参数的自适应动态配置与调整。

    一种超奈奎斯特直接检测系统信号处理方法及接收机

    公开(公告)号:CN115426225B

    公开(公告)日:2025-05-06

    申请号:CN202210923013.0

    申请日:2022-08-02

    Abstract: 本发明公开了一种超奈奎斯特直接检测系统信号处理方法及接收机,该方法包括:在信号通过后滤波器后,获取后滤波器的输出以及训练序列;基于训练序列和后滤波器的输出,利用最小二乘法LS重新进行信道估计,得到最大似然序列估计MLSE的抽头系数;在获得MLSE的抽头系数后,利用基于维特比算法的MLSE寻找最佳路径,在获得最终的幸存路径后,路径上的信号即为判决的信号。本发明实现了PAM4信号直接检测技术中MLSE抽头系数的优化,可大幅度提升系统性能。且在计算复杂度方面,相比于原系统并没有增加很多。

    一种无人机时空众包的资源分配方法及装置

    公开(公告)号:CN118488386B

    公开(公告)日:2025-04-25

    申请号:CN202410717045.4

    申请日:2024-06-04

    Abstract: 本发明涉及通信技术领域,特别涉及一种无人机时空众包的资源分配方法及装置。方法包括:将无人机和IoT设备的三维服务区映射到二维,获得二维服务区的坐标范围和时间数据集合;基于无人机的时间数据集合收集每个时间段内的IoT数据;预设无人机禁飞区,计算无人机的边界约束和禁飞区约束;预设多个优化目标进行加权平衡;将优化问题表述为马尔科夫决策过程;采用双延迟深度确定性策略梯度法,对无人机的飞行动作和IoT的功率进行分配。本发明部署了一种先进的强化学习算法,即TD3。它利用深度神经网络基于演员‑评论家架构来逼近策略和价值函数,因此它在高性能和低时间复杂性方面表现出色,且验证了所提出的算法的有效性。

    一种可重构智能表面辅助的多层计算任务卸载方法及装置

    公开(公告)号:CN118612765B

    公开(公告)日:2025-03-18

    申请号:CN202410665359.4

    申请日:2024-05-27

    Abstract: 本发明提供一种可重构智能表面辅助的多层计算任务卸载方法及装置,涉及通信技术领域。所述方法包括:构建可重构智能表面辅助的多层移动边缘计算网络模型;设计两阶段卸载策略,包括:第一阶段从用户设备卸载到解码前向中继器,第二阶段从解码前向中继器卸载到基站;计算卸载能量损耗和计算能量损耗;构建最优化问题,通过最优化子载波分配、任务量分配、时间分配、发射功率分配和可重构智能表面波束赋形向量来最小化卸载能量损耗和计算能量损耗;将最优化问题分解为三个子问题,通过交替迭代方法得到局部最优解。仿真结果表明,本发明可显著降低系统能耗。

    面向森林救火的无人机协助通感算一体化资源分配方法

    公开(公告)号:CN119233320A

    公开(公告)日:2024-12-31

    申请号:CN202411221968.7

    申请日:2024-09-02

    Abstract: 本发明提供一种面向森林救火的无人机协助通感算一体化资源分配方法方法及装置,涉及通信技术领域。该方法包括:搭建无人机辅助ISCC系统场景;根据搭建的系统场景,构建无人机辅助ISCC系统模型;根据无人机辅助ISCC系统模型,确定无人机辅助ISCC系统模型完成任务的总延迟和能量消耗;根据总延迟和能量消耗,构建无人机辅助ISCC系统模型的优化目标;根据优化目标,构建无人机辅助ISCC系统模型中的任务调度和资源分配的优化问题;将优化问题建模为马尔科夫决策过程,采用TD3算法对任务调度和资源分配策略进行优化,获得最优任务调度和资源分配的方案。采用本发明可增强对火情的实时监控能力,提高救火速度和成功率。

    一种无人机辅助通感算系统中任务调度和资源分配的方法

    公开(公告)号:CN119047697A

    公开(公告)日:2024-11-29

    申请号:CN202411168436.1

    申请日:2024-08-23

    Abstract: 本发明提供一种无人机辅助通感算系统中任务调度和资源分配的方法,涉及通信技术领域。所述无人机辅助通感算系统中任务调度和资源分配的方法包括:获取多个物联网设备、多个计算任务、多个无人机的地理位置信息以及多个感知目标的地理位置信息;根据获取的物联设备以及无人机的相关信息,建立无人机辅助通感算系统模型,获得计算卸载惩罚指数和感知惩罚指数;根据计算卸载惩罚指数和感知惩罚指数,构建无人机辅助通感算系统中的任务调度和资源分配的优化问题;将优化问题建模为马尔科夫决策过程,采用SAC算法进行优化,获得最优任务调度和资源分配的策略。采用本发明可解决上行链路I SCC中的联合任务调度和资源分配问题。

    一种通感一体化网络中的联合RIS波形设计方法及装置

    公开(公告)号:CN118971918A

    公开(公告)日:2024-11-15

    申请号:CN202410960333.2

    申请日:2024-07-17

    Abstract: 本发明涉及通讯技术领域,特别涉及一种通感一体化网络中的联合RIS波形设计方法及装置。方法包括:建立基于ISAC系统特性和RIS特性的场景;基于基于ISAC系统特性和RIS特性的场景构建系统模型;对雷达与通信性能之间权衡进行联合设计,基于交替优化的算法权衡多目标优化问题,完成基于RIS辅助添加PAPR约束下ISAC系统的联合波形设计。本发明综合考虑通信和感知的权衡性,提出了波形设计问题,以在保证给定功率约束、PAPR约束、波束方向图约束以及RIS相移矩阵的恒模约束的同时,最小化MUI和波束方向图相异度的加权和,进行合理的资源分配。提出了多变量循环迭代交替方向乘子法来解决所提出的非凸优化问题。

    一种可重构智能表面辅助的多层计算任务卸载方法及装置

    公开(公告)号:CN118612765A

    公开(公告)日:2024-09-06

    申请号:CN202410665359.4

    申请日:2024-05-27

    Abstract: 本发明提供一种可重构智能表面辅助的多层计算任务卸载方法及装置,涉及通信技术领域。所述方法包括:构建可重构智能表面辅助的多层移动边缘计算网络模型;设计两阶段卸载策略,包括:第一阶段从用户设备卸载到解码前向中继器,第二阶段从解码前向中继器卸载到基站;计算卸载能量损耗和计算能量损耗;构建最优化问题,通过最优化子载波分配、任务量分配、时间分配、发射功率分配和可重构智能表面波束赋形向量来最小化卸载能量损耗和计算能量损耗;将最优化问题分解为三个子问题,通过交替迭代方法得到局部最优解。仿真结果表明,本发明可显著降低系统能耗。

Patent Agency Ranking