-
公开(公告)号：CN117354105A
公开(公告)日：2024-01-05
申请号：CN202311505108.1
申请日：2023-11-13
Applicant: 北京邮电大学
Inventor： 张琦 , 忻向军 , 姚海鹏 , 赵启涵 , 高然 , 刘博 , 田凤 , 王富 , 叶兵 , 田清华 , 王拥军 , 杨雷静 , 李志沛 , 李欣颖 , 潘晓龙 , 常欢 , 郭栋 , 周思彤 , 田博 , 董泽
IPC: H04L27/00 , G06F18/2411 , H04L27/34
Abstract: 本发明提供了一种PS‑QAM信号调制格式识别方法、系统及设备，涉及通信领域，方法包括：在不同调制格式、整形熵以及信噪比下，对通信系统的历史PS‑QAM信号进行处理，生成历史PS‑QAM识别信号；计算所述历史PS‑QAM识别信号的历史缩放因子以及历史概率中值；根据所述历史缩放因子以及所述历史概率中值训练支持向量机；对待识别的实际PS‑QAM信号进行处理，生成实际PS‑QAM识别信号；计算所述实际PS‑QAM识别信号的实际缩放因子以及实际概率中值；基于所述实际缩放因子以及所述实际概率中值，根据训练后的支持向量机识别所述实际PS‑QAM信号的调制格式以及整形熵。本发明能够在准确识别调制格式的基础上，以低复杂度细粒度地识别信号的整形熵，提高通信系统的灵活性。
-
公开(公告)号：CN113315715B
公开(公告)日：2024-01-05
申请号：CN202110370309.X
申请日：2021-04-07
Applicant: 北京邮电大学
IPC: H04L47/12
Abstract: 本发明涉及一种基于QMIX的分布式网内拥塞控制方法，本发明通过直接将相关方法部署在网内的三层交换机中，进行数据包的调度与拥塞控制来克服上述传统技术的缺点，同时进一步提升了拥塞控制效果。本发明受到近年来，多智能体系统控制领域中的分布式强化学习方法的启发，采用多智能体强化学习方法中的集中式训练，分布式执行的算法框架，将QMIX算法直接在交换机内部实现，在快速响应毫秒级流量波动的同时，又做到了各交换机之间的协调控制，从而达到稳定的全局最优系统状态，进行网络拥塞控制。利用日趋成熟的多智能体深度强化学习方法来解决传统网络拥塞问题。(56)对比文件高少华.基于深度强化学习的TCP拥塞控制机制研究.信息科技.2021,(第4期),全文.王亚东;张悦;陈延祥;张宇.命名数据网络中的一种主动拥塞控制机制研究.载人航天.2020,(第01期),全文.肖扬;吴家威;李鉴学;刘军.一种基于深度强化学习的动态路由算法.信息通信技术与政策.2020,(第09期),全文.
-
公开(公告)号：CN115329985B
公开(公告)日：2023-10-27
申请号：CN202211087378.0
申请日：2022-09-07
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人集群智能模型训练方法、装置和电子设备，涉及通信的技术领域，该方法将无人集群的训练划分为簇内集中式联邦学习和簇间分布式联邦学习两个阶段，簇内集中式学习时，簇头作为模型所有者来和簇内节点进行参数传递，并进行模型聚合，从而缓解了传统的集中式联邦学习方式存在的通信拥塞和计算瓶颈的技术问题；并且，簇间分布式学习时，由于只有邻居簇头间进行参数传输和模型聚合，所以与传统分布式联邦学习相比，本发明还能有效地减少通信能耗。
-
公开(公告)号：CN116614734A
公开(公告)日：2023-08-18
申请号：CN202310577494.9
申请日：2023-05-22
Applicant: 北京邮电大学
IPC: H04Q11/00 , H04L41/147 , H04L43/0876
Abstract: 本发明提供一种基于流量预测与ONU迁移的无源光网络动态切片方法、装置及存储介质，所述方法的步骤包括：获取切片中每个ONU的历史流量数据，基于历史流量数据构建输入数据，将所述输入数据输入到预设的预测模型中，输出每个ONU在预测周期对应的输出数据，基于每个ONU的输出数据确定该切片在所述预测周期的预测流量数据；计算当前切片总带宽是否满足预测流量数据；若不满足，则计算其他切片在预测周期的剩余带宽，修改ONU与切片的从属关系，将溢出流量对应的ONU迁移至剩余带宽最大的切片中。本方案通过ONU迁移改变与切片从属关系，提前进行灵活的网络调整，在面对异构网络时避免了成本增加和接入网带宽资源的浪费，能够匹配工业互联网各项设备的需求。
-
公开(公告)号：CN116614377A
公开(公告)日：2023-08-18
申请号：CN202310890312.3
申请日：2023-07-20
Applicant: 北京邮电大学
IPC: H04L41/0895 , H04L41/16 , H04L41/40 , H04L67/10 , H04L67/12
Abstract: 本发明提供了一种无人机集群服务功能链动态配置方法和装置，涉及无人机通信技术领域，本发明所使用的目标神经网络模型采用按需协作通信方式进行服务功能链动态部署，对不同队友建立不同队友模型，相比于现有的广播式通信算法或点对点式通信方式，按需通信的方式下，无人机之间传送不同的激励信息，且每个无人机的Q值都要加入其他无人机发送的激励信息，也即，每个无人机在动作选取时都受其余无人机的激励信息影响，并且按需通信还能减少信令的开销，因此，在利用本发明方法对服务功能链进行动态配置时可以加快收敛速度，提高算法收敛性，使无人机集群网络延迟保持在较低水平。
-
Patent Agency Ranking
公开(公告)号：CN116489683B
公开(公告)日：2023-08-18
申请号：CN202310737201.9
申请日：2023-06-21
Applicant: 北京邮电大学
Abstract: 本发明提供了一种空天地网络中的计算任务卸载方法、装置和电子设备，涉及通信的技术领域，首先将空天地网络中计算任务的多时隙优化问题模型转化为单时隙优化问题模型，然后利用目标神经网络模型按照时间先后依次求解各个时隙的初始计算任务卸载策略，同时不断根据当前时隙的初始计算任务卸载策略和单时隙优化问题模型对目标神经网络模型进行更新，并在确定更新后的目标神经网络模型的网络参数通过区块链认证的情况下，将初始计算任务卸载策略作为当前时隙的目标计算任务卸载策略。利用该方法能够在最大化任务处理比特数目的同时，最小化空中装置的执行成本和隐私保护成本，以缓解现有空天地网络中的计算任务卸载方法存在的网络成本大的技术问题。
-
公开(公告)号：CN116527466A
公开(公告)日：2023-08-01
申请号：CN202211504364.4
申请日：2022-11-28
Applicant: 北京邮电大学
Abstract: 本发明提供了一种光纤通信系统载波相位恢复方法及装置。方法包括在光纤通信系统的接收端利用线性时域数据滤波来进行预测接收信号载波相位噪声；根据预测的载波相位噪声对接收信号进行预旋转，对载波相位噪声进行预先补偿；通过幂迭代法估计预旋转后接收信号的残余误差，用于提取预测的载波相位噪声与实际相位噪声之间的误差；根据提取得到的预测相位噪声与实际相位噪声之间的误差进行线性时域数据滤波下一步状态量的更新，实现载波相位恢复。本方法能够有效解决光纤通信系统中的载波相位恢复问题，在低信噪比条件下算法鲁棒性好，且计算复杂度低。
-
公开(公告)号：CN116155819B
公开(公告)日：2023-07-14
申请号：CN202310424468.2
申请日：2023-04-20
Applicant: 北京邮电大学
IPC: H04L47/125 , G06N3/092
Abstract: 本发明提供了一种基于可编程数据平面的智能网内负载均衡方法与装置，涉及通信的技术领域，该方法应用于控制平面，通过获取网络系统中每个交换机的队列深度来实现全局拥塞感知，并利用强化学习算法确定目标交换机的端口转发概率，以辅助决策目标交换机的数据包转发路径。由于强化学习算法的奖励函数值与网络系统中交换机的队列深度差值和平均队列深度成反比，所以能够达到网络中负载均衡效果越差则奖励越少的目的，进而使得智能体输出的动作向减小拥塞、增强负载均衡效果的方向发展。在不对称的网络拓扑环境中仍具备较佳的负载均衡效果，有效地缓解了现有的负载均衡方法负载均衡效果差和普适性差的技术问题。
-
公开(公告)号：CN116418458A
公开(公告)日：2023-07-11
申请号：CN202310480951.2
申请日：2023-04-28
Applicant: 北京邮电大学
IPC: H04L1/00
Abstract: 本发明提出一种适用于短距离高速光纤通信系统的编码调制方法，包括：步骤1、对输入的信息比特进行分组，分为不做任何操作的长度为kabit的第一信息序列ua，以及将要被整形的长度为ksbit的第二信息序列us；步骤2、采用基于枚举球映射方法的分布匹配器将均匀分布的二进制信息转换为带有目标分布的符号序列，称经过二进制标签后的上述符号序列为整形信息uc；步骤3、将uc作为前向纠错编码模块的输入信息，被进行两次编码，首先基于硬判决的阶梯码，然后基于软判决的汉明码进行编码。该方案将基于枚举球映射的概率整形技术和基于高速短距光互连的前向纠错编码相结合，维持概率分布不变，避免了前向纠错编码对概率分布的破坏。
-
公开(公告)号：CN116346217A
公开(公告)日：2023-06-27
申请号：CN202310595113.X
申请日：2023-05-25
Applicant: 北京理工大学 , 北京邮电大学 , 雅泰歌思(上海)通讯科技有限公司 , 中国电子科技集团公司第五十四研究所
Inventor： 常欢 , 忻向军 , 高然 , 姚海鹏 , 袁梦竹 , 马铭 , 葛洪武 , 黄鑫 , 吴巍 , 张琦 , 董泽 , 郭栋 , 潘晓龙 , 李志沛 , 周思彤 , 刘欣雨 , 朱磊 , 李欣颖 , 王富 , 张文全 , 武瑞德 , 闫景浩
IPC: H04B10/07 , H04B17/391 , G06N3/0475 , G06N3/094
Abstract: 本发明公开的一种基于深度学习的光通信系统信道构建方法，属于光通信领域。本发明实现方法为：采用条件生成对抗网络构建光通信系统信道，构建包含多组损失函数优化的联合损失函数，多组损失函数包括均方误差损失、对抗损失、平均绝对误差损失。条件生成对抗网络包括生成器和判别器，通过生成器捕获光通信系统收发两端数据分布，并生成具有相同分布的接收端新数据用于混淆判别器；判别器对生成的假数据和真实收端数据鉴别，当判别器达到纳什平衡无法确定其输入来自生成器还是真实数据时，此时条件生成对抗网络中的生成器便能够对光通信系统信道快速准确建模，输出经过复杂损耗的光通信系统接收端数据，提升光通信系统的可靠性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
381
records
(took 0.04 seconds)
