-
公开(公告)号:CN116887291A
公开(公告)日:2023-10-13
申请号:CN202310515070.X
申请日:2023-05-09
Applicant: 国网山东省电力公司济南供电公司 , 东南大学
Abstract: 本发明提出一种网络资源优化方法、装置、设备和可读存储介质。首先构建一种集成接入回程(Integrated Access and Backhaul,IAB)架构,考虑该架构下多层干扰及各信道条件,以最大化系统上行链路总能效为目标构造目标函数。其次利用马尔科夫决策过程将所提问题构造为完全协作的多智能体问题,利用多智能体近端策略优化(Multi‑Agent Proximal Policy Optimization,MAPPO)构建分布式动作网络和集中式评价网络。最后通过本地动作网络与环境交互获取的数据信息,在评价网络的指导下对网络参数进行迭代更新,训练完成后的动作网络仅需本地状态信息即可做出资源分配决策。本发明所提资源优化方法考虑终端差异化需求以实现轻量化通信,另一方面所提多智能体框架进一步减少了信令开销和计算复杂度。
-
公开(公告)号:CN116776142A
公开(公告)日:2023-09-19
申请号:CN202310268890.3
申请日:2023-03-20
Applicant: 东南大学
IPC: G06F18/214 , G06F18/2415
Abstract: 本发明提供一种面向不平衡数据集的数据处理方法,通过对每个类别的样本进行有放回抽样,形成多个样本子集,从而使样本子集中每个类别的样本个数大致均衡,提高学习算法对少数类样本的识别能力。本发明结合LOF算法和不同的概率分布函数,通过启发式选择的参数生成人工样本,使得生成的人工样本不受边界噪声的影响,同时能够更多地保证生成样本的多样性。相较于传统的BorderlineSMOTE算法,本发明在生成人工样本时使用局部异常因子算法剔除边界噪声,并引入不同的概率分布函数以保证生成样本的多样性,从而提高分类器的性能。本发明可以有效地应对不平衡数据集的问题,提高学习算法对少数类的识别能力,适用于机器学习、数据挖掘等领域。
-
公开(公告)号:CN116321498A
公开(公告)日:2023-06-23
申请号:CN202310262373.5
申请日:2023-03-17
Applicant: 东南大学
IPC: H04W72/541
Abstract: 本发明公开了一种基于ZigBee优先的分级抗干扰方法。该方法在物联网网关上搭载了WiFi模块和ZigBee模块,将WiFi的无线接入点部署成三信道的蜂窝网通信模型,实时监测WiFi的通信指标并计算干扰度。通过心跳包的包接受率PRR和包错误率PER相结合的方式进行信道状态评估,判断ZigBee传输是否出现干扰。使用分级抗干扰的信道跳变算法减小或消除干扰,干扰刚发生时在WiFi信道间隙中选取ZigBee信道,在干扰仍未解决时利用外层WiFi信道扩大选取范围,在干扰最严重时调整自身WiFi的信道用于选择ZigBee的最佳传输信道。本发明解决了2.4GHz频段ZigBee和WiFi相互干扰的问题。
-
公开(公告)号:CN116185066A
公开(公告)日:2023-05-30
申请号:CN202310067771.1
申请日:2023-02-06
Applicant: 中国人民解放军63983部队 , 东南大学
IPC: G05D1/10
Abstract: 本发明提出了一种无人机编队智能重构方法,该重构方法是基于虚拟刚体结构法的分布式无人机编队重构方法。每个无人机节点根据与跟踪虚拟目标的位置差调整速度保持跟踪,并周期性地广播自身追踪的虚拟目标,当收到来自其他无人机节点的广播信息时更新邻居表。当编队中部分无人机节点遭受打击无法正常运行时,受损无人机节点的邻居将判断自身是否为候选补位无人机节点,再决定是否更换追踪目标,补上空缺位置。当无人机前往补缺时将会发送前往补位广播,告知其他无人机原位置空缺。在每个时隙中重复以上过程,直到已无可补位的无人机节点。上述方法可以在分布式无人机编队遭受打击的情况下进行智能重构,恢复队形完整,提高编队的抗干扰,抗打击能力。
-
公开(公告)号:CN116170424A
公开(公告)日:2023-05-26
申请号:CN202310151254.2
申请日:2023-02-22
Applicant: 东南大学
Abstract: 本发明公开了一种针对流媒体码流的音效增强方法及其系统,属于计算机技术领域,该方法包括:接收流媒体服务传输的码流信息;获取预设音效信息;基于所述音频信息通过推理模型加载量化参数包;对音频码流转码,再对转码后码流进行预处理;基于推理模型确定均衡特征序列和混响特征序列;基于特征序列,音频处理设备对码流进行音效增强;通过播放设备播放增强后的音频数据;其中,推理模型包括均衡特征推理层和混响特征推理层;本发明在音频传输和播放的基础上增加了音效增强的功能,能够动态根据歌曲的不同动态调整音效,为用户提供更好的听觉体验。
-
公开(公告)号:CN115941276A
公开(公告)日:2023-04-07
申请号:CN202211404943.1
申请日:2022-11-10
Applicant: 东南大学
IPC: H04L9/40 , H04L67/01 , H04L67/54 , H04L41/16 , G06N3/0442 , G06N3/0464 , G06N3/08 , G16Y40/10 , G16Y40/20 , G16Y40/50
Abstract: 本发明提供了一种物联网设备安全管理系统,提供如下功能模块:设备生命周期管理模块:用于实现设备认证与鉴权、设备接入、设备状态管理;物模型模块:通过定义产品物模型完成系统的上、下行数据的封装与解析,实现对设备状态和异常事件的实时监控以及设备指令的下发;入侵检测模块:对系统的流量进行监控分析来主动发现恶意入侵节点;所述设备生命周期管理模块、物模型模块相互之间通过物联网应用层协议MQTT方式进行通信;所述入侵检测模块,通过离线训练神经网络模型,实现在线检测;为了避免系统在公网环境下遭受入侵的风险,使用入侵检测模块对系统的流量进行监控分析来主动发现恶意入侵节点。
-
公开(公告)号:CN111935825B
公开(公告)日:2023-02-28
申请号:CN202010567315.X
申请日:2020-06-19
Applicant: 东南大学
IPC: H04W72/0453 , H04W72/542 , H04W72/53
Abstract: 本发明公开了一种移动边缘计算系统中基于深度值网络的协作资源分配方法,包括:(1)计算用户和所有基站连接的信噪比,用户根据信噪比最大原则选择基站进行连接,得到用户基站连接矩阵;(2)随机给用户分配信道,并且给连接用户平均分配计算资源,得到资源分配的系统状态;(3)将服务提供商子载波分配作为动作空间,用载波容量来表示奖励值,利用深度值网络算法得到用户信道连接矩阵;(4)得到资源共享的系统状态;(5)利用深度值网络算法得到服务提供商资源借用集合。本发明基于深度强化学习,不仅考虑了面向移动端的资源分配问题,还通过多服务提供商之间的协作和计算资源共享,提高资源的有效利用率。
-
公开(公告)号:CN110418434B
公开(公告)日:2022-12-06
申请号:CN201910607899.6
申请日:2019-07-08
Applicant: 东南大学
Abstract: 本发明公开了一种无人机辅助的无线传感器网络充电方法与装置,所述方法包括:(1)根据无线传感器网络中传感器节点的分布情况,用K均值聚类算法将传感器节点分成若干区域,每个区域设置簇的质心为无人机悬停点,无人机可以在此悬停点为该区域内的传感器节点充电;(2)以区域为单位,选出每个区域中剩余存活时间最短的传感器节点,将该节点的剩余存活时间作为该区域的剩余存活时间,以此确定无人机到达该区域的最晚截止时间;(3)优化无人机为每个区域的充电顺序,使得无人机在每个区域截止时间之前到达该区域的前提下,最短化无人机的飞行路径。本发明能够在满足所有传感器节点充电需求的情况下,最短化无人机飞行路径,提高了无人机的能量效率。
-
公开(公告)号:CN110290534B
公开(公告)日:2022-11-25
申请号:CN201811464674.1
申请日:2018-12-03
Applicant: 东南大学
IPC: H04W16/16 , H04B17/382 , H04B17/391
Abstract: 本发明公开了一种基于XGBoost的认知无线电中协作频谱感知方法及系统,属于认知无线电技术领域,该方法包括:认知用户和距离认知用户较近的次级用户节点分别利用压缩感知观测矩阵对信号进行压缩抽样得到观测序列,对观测序列进行归一化的处理,并分别发送到数据融合中心;数据融合中心利用XGBoost来建立频谱感知分类器,代替信号的重构和检测过程,在接收到认知用户和次级用户的归一化观测序列后输入训练好的频谱感知分类器得到判决结果,并根据融合判决规则得到最后的判决结果。与现有技术相比,本发明不仅能够减少时间复杂度,而且还能够提高预测的准确度。
-
公开(公告)号:CN108924847B
公开(公告)日:2022-11-01
申请号:CN201810562684.2
申请日:2018-06-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于ANN的认知无线电中频谱预测方法及设备,属于通信中认知无线电技术领域,该方法包括:对从用户感知的各个主用户信号中提取出与调制方式相关的循环谱特征参数;将提取的特征参数值通过训练好的ANN分类模型识别出各主用户的调制方式;根据不同的调制方式和循环谱的特性,计算出信号的最大循环谱值;将信号的能量和最大循环谱值通过ANN检测判断主用户信号是否存在。与现有技术相比,本发明首先对多个主用户信号进行调制方式识别,识别不同的调制方式可以有效的应对噪声的干扰,再基于能量和循环谱检测的特性对主用户频谱进行预测,能够有效应对噪声干扰,提高了预测精度。
-
-
-
-
-
-
-
-
-