-
公开(公告)号：CN116009677A
公开(公告)日：2023-04-25
申请号：CN202211073608.8
申请日：2022-09-02
Applicant: 南通大学
Abstract: 本发明涉及无线通信技术领域，尤其涉及一种基于Cell‑FreemMIMO网络的联邦学习设备端能耗优化方法，包括：S0：初始化系统参数，初始化全局模型；S1：服务器分发全局模型给用户设备。本发明在用户训练本地模型的阶段，通过迭代优化用户设备端CPU的工作频率和本地模型的训练精度降低用户设备的本地训练功耗；在用户设备上传模型参数阶段，通过最小化用户设备的最大时延为目标进行功率分配，既抑制了落后者效应，又节约了设备端上行功耗。本发明可以显著降低联邦学习过程中设备端的功耗，不依赖于特定的联邦聚合方法和联邦学习类型，在大部分联邦学习场景中都可以提供良好的能耗优化性能。本发明的实现复杂度低，易于部署，具有很强的实用价值。
-
公开(公告)号：CN115776424A
公开(公告)日：2023-03-10
申请号：CN202211435456.1
申请日：2022-11-16
Applicant: 南通大学
IPC: H04L25/02 , H04B7/0452
Abstract: 本发明涉及无线通信技术领域，特别是涉及一种去蜂窝大规模MIMO共生通信系统信道估计方法，包括：去蜂窝大规模MIMO网络布设大量分布式接入点AP和一个反向散射装置；信道估计阶段，所有用户向所有的接入点AP与反向散射装置发送导频信号，反向散射装置接收到信号将不进行处理而是直接发送给所有接入点AP；各个接入点AP接收到来自反向散射装置和用户的信号后，先根据接收到的信号进行直接链路信道估计，获得直接链路信道估计信息；之后利用直接链路信道估计信息对之前接收到的信号进行信号去除；然后对剩下的信号进行信道估计，得到间接链路信道估计信息。本发明具有均方误差低、复杂度低和所需信令开销小的优点。
-
公开(公告)号：CN111417165B
公开(公告)日：2023-01-24
申请号：CN202010248785.X
申请日：2020-04-01
Applicant: 南通大学
Abstract: 本发明公开了一种基于唤醒时间预测的蓝牙Mesh能效路由方法，所述方法包括：代理节点根据客户端指令检索源节点到目标节点的所有路由信息，通过发送路由请求数据包收集路由路径的综合评价值和能量信息，选择最优路由路径；中继节点依次预测下一个中继节点的唤醒时间，并中继路由请求数据包到下一节点；目标节点解析路由请求数据包，对每条路径的跳数、能量、延时信息进行综合评价，并将所得综合评价值反馈回源节点。本发明具有响应延迟低，容错率高，使整个Mesh网络在有限能量的情况下方便用户更长时间使用的特点。
-
公开(公告)号：CN115411493A
公开(公告)日：2022-11-29
申请号：CN202211005552.2
申请日：2022-08-22
Applicant: 南通先进通信技术研究院有限公司 , 南通大学
Abstract: 本发明属于微波通信技术领域，具体涉及一种应用于移动终端的LTE与毫米波共面共口径天线。本发明在LTE平面倒F天线PIFA的净空区域构建毫米波连续介质谐振器阵列，有着较高的空间利用率。在毫米波频段，为了实现高辐射效率，毫米波天线采用基片集成介质谐振器天线SIDRA。两种类型的金属化通孔被用来提升天线之间的隔离。一种用于实现毫米波单元之间的隔离，另一种用于实现毫米波天线阵列和微波天线之间的隔离，便于两个频段天线的独立设计和调谐。在微波频段，PIFA引入了匹配电路，拓宽了其工作带宽。尤为重要的是，LTE天线与毫米波天线阵共用一张介质基片实现，具有很高的集成度。
-
公开(公告)号：CN115407794A
公开(公告)日：2022-11-29
申请号：CN202211024919.5
申请日：2022-08-25
Applicant: 南通先进通信技术研究院有限公司 , 南通大学
IPC: G05D1/10 , H04B7/185 , H04B13/02 , H04B17/336 , H04B17/391 , G06N20/00
Abstract: 本发明提供了基于强化学习的海域安全通信无人机轨迹实时规划方法，属于通信技术领域。解决了传统优化方法无法实时处理海洋动态场景的问题。其技术方案为：步骤一、建立联合大尺度衰落和小尺度衰落的UAV‑船舶信道模型；步骤二、得到移动船舶、窃听节点接收的信干燥比和速率；步骤三、通过求解系统最大平均保密速率来获得无人机的最优轨迹；步骤四、使用Q‑learning和DDPG算法来进行轨迹优化；步骤五、设置相关仿真参数；步骤六、展示不同起飞位置下两种算法的UAV轨迹实时规划结果。本发明的有益效果为：本发明针对不同船舶的通信需求实时的规划出UAV飞行轨迹，有效保障海洋通信的实时性。
-
Patent Agency Ranking
公开(公告)号：CN115085782A
公开(公告)日：2022-09-20
申请号：CN202210681193.6
申请日：2022-06-15
Applicant: 南通大学
IPC: H04B7/0456 , H04B7/06 , G06N3/08
Abstract: 本发明公开了基于深度学习的智能反射面联合反馈和混合预编码方法，离线训练阶段中，首先根据信道计算模拟、数字预编码矩阵，并输入深度学习模型训练，然后将模型的信道压缩网络和混合预编码网络分别部署在用户端和基站端。在线预测阶段中，用户端将实时信道输入信道压缩网络，并将压缩信息反馈回基站端，基站端将反馈信息输入混合预编码网络，得到模拟、数字预编码矩阵，然后根据数字预编码矩阵对发送信号进行数字预编码，将数字预编码信号通过馈源传输至智能反射面，智能反射面根据模拟预编码矩阵对数字预编码信号进行相移处理，并发送至用户端。本发明利用深度学习技术，实现多用户的信道反馈和基于智能反射面的混合预编码，降低系统的功耗。
-
公开(公告)号：CN114191267A
公开(公告)日：2022-03-18
申请号：CN202111480420.0
申请日：2021-12-06
Applicant: 南通大学
IPC: A61H3/06 , A61F9/08 , G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及智能辅助装备技术领域，具体涉及一种轻量级的复杂环境下智能辅助盲人出行方法及其系统，包括以下步骤：步骤S0：构建盲人出行智能辅助系统；步骤S1：开发轻量级的复杂环境下盲人出行智能辅助应用；步骤S2：障碍识别；步骤S3：避障预警；步骤S4：多端交互。本发明通过在嵌入式设备上部署轻量级人工智能模型，进行快速运算和高效决策，减轻人工智能方案对设备性能和网络资源的依赖；本发明采用节能、不易受干扰的多级体感震动预警以及语音预警模块，为盲人进行避障行为提供准确的避障信息；在降低成本和功耗的同时保障盲人和视力残疾群体日常出行多样化场景的安全性，从而为盲人提供经济、即时且安全的智能服务。
-
公开(公告)号：CN114095418A
公开(公告)日：2022-02-25
申请号：CN202111386321.6
申请日：2021-11-22
Applicant: 南通大学
Abstract: 本发明涉及一种无线光纤混合网络场景下工业物联网数据可靠传输方法，包括如下步骤：软件定义网络控制器计算出网络中各条链路的时延信息，根据时延信息选择最优并行传输路径；光线路终端将原始数据进行编码并广播给无线光网络单元；无线光网络单元通过并行多跳路径将编码分组转发到目的终端；目的终端实施解码操作，恢复原始数据。本发明在采取无线光纤混合网络架构的基于软件定义网络的工业物联网中，结合网络编码技术，提出一种数据并行传输方法。与传统方法相比，本方法在设备链路发生故障时不需要任何数据重传或重路由，并能够有效地降低丢包率对网络传输性能的影响，在提高可靠性的同时，显著缩短数据传输的完成时间，提高网络的有效吞吐量。
-
公开(公告)号：CN113965930A
公开(公告)日：2022-01-21
申请号：CN202111200477.0
申请日：2021-10-15
Applicant: 南通大学
IPC: H04W12/069 , H04W12/71 , H04L9/08
Abstract: 本发明涉及工业互联网技术领域，具体涉及一种基于量子密钥的工业互联网主动标识解析方法及其系统，包括普通工业传感器、网关节点主动标识载体、企业信息系统、量子安全服务平台、企业节点、二级节点和顶级节点；本发明首先构造基于量子密钥的工业互联网主动标识解析系统，由企业信息系统向各级节点发起认证并注册本地标识，然后工业网关节点通过量子安全服务平台注册主动标识，最后由工业网关节点发起主动标识解析，并将汇总的传感器数据通过量子密钥加解密进行传输。本发明将量子通信领域中的量子密钥分发技术和工业互联网主动标识解析体系相结合，为现有工业互联网主动标识解析体系提供了一种基于量子密钥的加解密机制，安全强度更高。
-
公开(公告)号：CN112465243A
公开(公告)日：2021-03-09
申请号：CN202011398877.2
申请日：2020-12-02
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
Abstract: 本发明涉及一种空气质量预报方法及系统，使用加权K‑means算法对监测范围内各空气质量监测站点进行区域划分，得到目标监测站点所在区域内所有监测站点空气质量历史数据与气象数据，基于第一预设时间段内多站点空气质量历史数据与气象数据，利用CNN‑LSTM模型分析得出第二预设时间段内污染物浓度演变的时空趋势，从而实现精准的空气质量预报。另外，加权K‑means算法对各空气质量监测站点进行区域划分，能够准确的确定监测范围内与目标监测站点空间相关性较强的其他监测站点数量及位置，那么基于这些监测站点的空气质量历史数据与气象数据能够更真实的反映目标监测站点所在区域的空气质量，提高空气质量预报的准确性。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.035 seconds)
