一种基于图神经网络的RIS辅助多用户通信波束成型优化方法与系统

    公开(公告)号:CN120049928A

    公开(公告)日:2025-05-27

    申请号:CN202510187972.4

    申请日:2025-02-20

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于图神经网络的RIS辅助多用户通信波束成型优化方法与系统,属于可重构智能超表面辅助通信领域。本发明考虑RIS辅助多用户通信的场景,利用图神经网络优化基站的主动波束成型和RIS的被动波束成型,进而最大化下行链路的系统传输速率。图神经网络模型中包括一个RIS节点和与服务用户数量相同的用户节点,RIS节点负责基于所有用户节点输入的信道状态估计信息利用图学习得到用于RIS的被动波束成型,每个用户节点对应一个用户,基于对应用户输入的信道状态估计信息利用图学习得到对应于用户的基站的主动波束成型。本发明使用图神经网络无需完美的信道估计,即可有效解决主动波束成型和被动波束成型的联合优化问题。

    基于自适应语义重构的语义通信方法与系统

    公开(公告)号:CN119091892B

    公开(公告)日:2025-04-08

    申请号:CN202411076009.0

    申请日:2024-08-07

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于自适应语义重构的语义通信方法与系统,属于无线通信技术领域,提出了一种基于自适应语义重建的面向任务的语义通信框架,通过掩码操作和设计集成注意力机制的语义重建网络,实现对语义信息的灵活压缩、对传输过程中数据丢失的仿真和实现适应不同环境的重构效果,同时还提出了一种编码、解码网络和语义重构网络的联合训练方法,以最小化目标任务的损失函数,获得神经网络参数的近似最优解。与现有的语义通信方案相比,所提出的方案对不同的信噪比、语义压缩率和语义损失率条件具有更优越的适应性,而且能够在通信中获得更高的任务执行性能和语义传输效益。

    一种基于深度学习的矿山视频语义通信传输方法与系统

    公开(公告)号:CN119562069A

    公开(公告)日:2025-03-04

    申请号:CN202411751132.8

    申请日:2024-12-02

    Abstract: 本发明提供了一种基于深度学习的矿山视频语义通信传输方法与系统,能够实现可观察数据的恢复和语用任务的执行。本发明构建了矿山采掘工作面下的语义通信系统模型,包括基于深度神经网络实现的语义编码器和语义译码器,语义编码器位于发射端,用于提取包含可观察数据和语义信息的数据;语义译码器位于接收端,用于重建与经验数据和语用任务相关的数据。本发明基于DL‑SC算法训练语义编码器和语义译码器,在损失函数的设计方面,考虑了图像恢复和语用任务执行两个方面,对于两者分别选择合适的失真度量函数,之后求其加权和构成语义失真度量函数作为损失函数。本发明能够以较低的数据传输量实现更加高效的信息交互。

    基于终端辅助的低开销上下行信道互易性空口校准方法

    公开(公告)号:CN119363523A

    公开(公告)日:2025-01-24

    申请号:CN202411460664.6

    申请日:2024-10-18

    Abstract: 本申请公开了一种基于终端辅助的低开销上下行信道互易性空口校准方法,由远端无线单元发送频分正交的下行参考信号序列,终端接收到下行参考信号之后估计出下行信道,并根据下行参考信号的频域图样,将上行参考信号序列映射到不同的频域位置。终端根据不同频域位置的下行信道对上行参考信号序列加权后将上行参考信号序列发出,基站侧对上行参考信号进行信道估计与频域拟合插值,得到各天线的全频带校准系数。本申请无需中断业务传输,克服了基站自校准的缺陷,且终端无需上报信道信息,既保证了基站与终端通信的连续性,又没有上报开销,保证了参考信号正交性不被预处理破坏,能得出全频带的校准系数,又能对校准系数进行滤波,提高校准精度。

    一种基于深度强化学习的车辆自动循迹驾驶方法

    公开(公告)号:CN113657292B

    公开(公告)日:2025-01-10

    申请号:CN202110954229.9

    申请日:2021-08-19

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于深度强化学习的车辆自动循迹驾驶方法,包括如下步骤:步骤1、构建双重深度Q网络进行图像特征提取;步骤2、采用经验回放方案进行环境交互训练样本采集和双重网络训练;步骤3、采用RMSprop算法优化网络的训练过程;步骤4、采用训练完毕的双重深度网络进行预测,进而实现自动循迹驾驶。本发明采取深度强化学习方法,直接实现从图像采集到车辆控制的端到端网络建立,避免了传统方法中复杂的PID控制环节,并且采用双重深度网络进行动作预测,可以有效减少单一深度强化学习网络中最大化偏差带来的性能损失。

    一种基于阵列信号处理的波达方向估计方法

    公开(公告)号:CN114839589B

    公开(公告)日:2025-01-07

    申请号:CN202210307012.3

    申请日:2022-03-25

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于阵列信号处理的波达方向估计方法,所述方法针对室内定位场景,提出基于旋转不变子空间信息的循环平稳信号正交匹配追踪算法。引入循环平稳算法作为初始相关函数,将时间刻度上的循环平稳性与空间刻度上的阵列信号结合起来,从而有效解决正交匹配追踪算法对噪声敏感,抗噪性能不好的问题;采用旋转不变子空间信息,从而突破正交匹配追踪算法存在的瑞利极限,有效提高多物体定位分辨力并降低计算复杂度;采用基于压缩感知理论的正交匹配追踪算法,通过稀疏信号重构进一步提高算法的抗干扰性。满足了室内定位场景高精度,低时延的要求。

    高速移动下多RIS辅助隧道场景的信道建模与容量分析方法

    公开(公告)号:CN117478258A

    公开(公告)日:2024-01-30

    申请号:CN202311469309.0

    申请日:2023-11-07

    Applicant: 东南大学

    Abstract: 本发明公开了一种高速移动下多RIS辅助隧道场景的信道建模与容量分析方法,属于无线通信技术领域。首先,确定RIS部署位置,建立RIS辅助隧道场景下的双路径信道模型,初始化传播路径的参数,包括每个RIS单元的位置和相位,以及信道模型中的距离和角度参数,其次计算发射天线到接收天线的信道函数,然后计算信道容量,最后,通过将RIS部署在不同位置,重复上述步骤,得到RIS部署在不同位置时的最佳作用区间,得到多RIS部署方案,从而使得信道容量最大化。本发明能有效改善隧道场景列车与基站间通信系统的性能,通过改变RIS部署的位置、RIS的尺寸和RIS的间距分析其对信道容量的影响,从而得到多RIS的最佳部署位置,有效提高信号覆盖质量。

    移动边缘计算系统中基于多智能体强化学习的资源分配方法

    公开(公告)号:CN110418416B

    公开(公告)日:2023-04-18

    申请号:CN201910680954.4

    申请日:2019-07-26

    Applicant: 东南大学

    Abstract: 本发明公开了移动边缘计算系统中基于多智能体强化学习的资源分配方法,包括:(1)将无线信道划分成若干个子载波,每个用户仅仅可以选择一个子载波;(2)每个用户随机选择信道以及计算资源,然后计算用户卸载产生的时延和能耗;(3)将用户在本地计算产生的时延能耗和卸载到边缘云的进行对比,判断卸载是否成功;(4)通过多智能体强化学习得到当前卸载动作的奖励值,并计算价值函数;(5)用户根据策略函数进行动作选择;(6)改变用户的学习速率进行策略更新,得到最优动作集合。本发明基于可变速率的多智能体强化学习,充分利用移动边缘服务器的计算资源和无线资源,在考虑了用户卸载的必要性的同时,得到各智能终端效用函数的最大值。

    一种基于网络切片与NOMA的车联网半正定资源分配方法

    公开(公告)号:CN115209554A

    公开(公告)日:2022-10-18

    申请号:CN202210729292.7

    申请日:2022-06-24

    Applicant: 东南大学

    Abstract: 本发明提供一种基于网络切片与NOMA的车联网半正定资源分配方法。首先,基站依据各V2I切片组的QoS指标传输速率,利用静态频谱资源池对各V2I切片组的时频资源块RB分配进行初始化,同时,基站根据上一SPS周期内各V2I切片组的数据传输速率,利用动态频谱资源池对当前SPS周期内各V2I切片组的RB分配进行调整,在考虑各V2I切片组公平性的同时,最大化V2I用户的传输能效。此外,假定V2I切片组与车辆与车辆通信V2V NOMA簇的频谱共享模式已知,在考虑V2I切片组干扰的情况下,采用分布式迭代算法获取各V2V NOMA簇内的V2V Tx用户的最优功率控制。将网络切片与NOMA应用于车联网广播通信下行链路场景中,在确保V2I用户服务QoS的基础上,获取V2I用户与V2VTx用户传输能效方面的提升。

Patent Agency Ranking