一种基于混合神经网络的脉冲噪声参数估计方法

    公开(公告)号:CN119341658A

    公开(公告)日:2025-01-21

    申请号:CN202411476943.1

    申请日:2024-10-22

    Inventor: 冯晓 田峰 吴晓欢

    Abstract: 本发明涉及水声通信与信号技术领域,公开了一种基于混合神经网络的脉冲噪声参数估计方法,步骤一、构建非高斯参数估计的非线性映射模型;步骤二、建立噪声样本数据库;步骤三、建立基于混合神经网络噪声参数估计器;步骤四、网络训练和线上部署:通过噪声训练样本集分别进行网络训练,网络训练后保存网络参数,进行线上部署应用;步骤五、接收实测噪声样本进行参数离线估计,得到噪声参数,反馈给通信接收机;步骤六:通信接收机利用接收到的噪声参数设计信号检测器,优化脉冲噪声下的信号检测效果;本方案利用混合神经网络实现小样本、快速精确的参数估计,适用于脉冲噪声下通信系统的噪声参数估计模块的有效部署。

    一种基于生成对抗网络的多频通信感知一体化信道建模方法

    公开(公告)号:CN119135298A

    公开(公告)日:2024-12-13

    申请号:CN202411126984.8

    申请日:2024-08-16

    Abstract: 本发明公开了一种基于生成对抗网络的多频通信感知一体化信道建模方法,包括步骤一:构建一个多频率通信感知一体化信道模型,即从发射机到接收机的信道,基站和移动用户设备分布在一个城市宏区域内;步骤二:对步骤一中建立的模型进行简化;步骤三:基站和移动用户设备进行部署模型假设,按照不同的基站间距和密度随机放置于一处环境中,之后生成基站和移动用户设备之间的路径参数,通过路径参数确定MIMO信道;步骤四:还包括射线追踪模拟,应用射线追踪模拟生成训练数据;本方案利用信道参数数据集通过机器学习算法训练来学习信道传播特性和隐含规律,可以更智能地构建信道模型以适应各种场景并达到更好的表现。

    基于人工智能的模糊图像优化增强方法

    公开(公告)号:CN117314801B

    公开(公告)日:2024-05-31

    申请号:CN202311261222.4

    申请日:2023-09-27

    Abstract: 本发明公开了基于人工智能的模糊图像优化增强方法,涉及图像处理技术领域,包括:根据像素点的梯度幅值和像素点邻域中像素点关联关系获取像素点的目标程度,并获取标记像素点;根据标记像素点的梯度幅值与其预设滑窗中的差异获取标记像素点的权重,并获得每个灰度级的权重,根据灰度级的权重获取灰度级的针对增强必要性,根据针对性增强的灰度级的分布确定灰度子区间,根据灰度子区间与原始灰度级子区间的隶属度关系获取灰度级子区间的增强映射方式,对目标图像进行均衡化增强得到优化增强后的图像。本发明通过将灰度直方图分为多段,进行不同程度的直方图均衡化增强,在保证图像质量的同时避免过增强或细节丢失的问题。

    一种STAR-RIS赋能的多模态移动边缘云计算网络性能增强方法

    公开(公告)号:CN118019012A

    公开(公告)日:2024-05-10

    申请号:CN202410164235.8

    申请日:2024-02-05

    Inventor: 张怡宁 吕斌 田峰

    Abstract: 本发明公开了一种无线通信技术领域的STAR‑RIS赋能的多模态移动边缘云计算网络性能增强方法,旨在解决现有多模态MEC网络因为传输中存在严重的路径衰减,HAP和多个WDs之间的信号传输质量较差,特别是对于WDs位于死区和小区边缘的情况,导致其网络性能较差的问题。在满足HAP计算能力有限的条件下,计算HAP处波束成形向量、STAR‑RIS在被动卸载和主动卸载阶段的系数矩阵、网络时间资源分配系数、WDs的本地计算时间和发射功率、计算频率和MEC服务器的计算频率的次优解,使得网络总的计算比特最大化;本发明通过STAR‑RIS协助反射区和传输区的WDs,建立HAP与WDs之间可靠的能量传输和任务卸载,增强信道增益,有效提升多模态MEC网络的系统性能。

    基于周期性时间序列与多维度的关联型数据预测方法

    公开(公告)号:CN117829322A

    公开(公告)日:2024-04-05

    申请号:CN202311838834.5

    申请日:2023-12-28

    Inventor: 田峰 卢云阳

    Abstract: 本发明涉及数据预测技术领域,公开了一种基于周期性时间序列与多维度的关联型数据预测方法,首先将需要分析预测的数据进行数据清洗、治理,并且将数据整体切分成带有维度特征的时间序列数据,其次将时序数据通过时序预测算法,输出时序预测数据,再次将同一数据同时输入维度特征回归预测算法,输出回归预测数据,最后将时序预测数据结果与回归预测数据结果进行加权融合,根据预测模型校准系数R2曲线选取最优加权比例,得到模型的最优输出结果。对融合后的新算法模型进行测试并验证。将新的模型部署到实际应用场景中,通过利用真实商业数据进行测试,验证了新的预测方法可以大幅提升数据预测的精准度。

    基于USRP RIO的强化学习通信干扰方法

    公开(公告)号:CN115412105A

    公开(公告)日:2022-11-29

    申请号:CN202210487299.2

    申请日:2022-05-06

    Abstract: 本发明公开了一种基于USRP RIO的强化学习通信干扰方法,基于数据处理中心、工作在相同频带上的干扰机、发射机,以及与发射机连接的接收机;实现干扰机对发射机与接收机进行通信干扰;干扰机的感知节点周期性地扫描监测发射机与接收机之间的通信环境,获得发射机与接收机之间频谱数据信息,并发送给数据处理中心;数据处理中心接收并处理该频谱数据信息,获取通信信道信息,并且应用预设已训练好的Q学习引擎模型,获得通信信道信息对应的Q表信息,所述Q表信息包括干扰机当前状态信息Sn与干扰机当前状态信息Sn所对应其下一动作信息an的Q值;干扰机周期性读取Q表信息的Q值,并根据Q值对发射机与接收机进行通信干扰。

    基于深度确定性策略梯度算法的无人机中继通信系统的实现方法

    公开(公告)号:CN114980126A

    公开(公告)日:2022-08-30

    申请号:CN202210544445.0

    申请日:2022-05-18

    Abstract: 基于深度确定性策略梯度算法的无人机中继通信系统的实现方法,首先根据应用场景在仿真软件pycharm上构建无人机中继通信系统模型;再分析多无人机中继通信系统中的约束问题;然后以地面终端用户的位置和无人机中继节点的位置作为状态空间,以无人机中继节点的速度、功率和链路调度的集合作为动作空间,采用深度确定性策略梯度算法计算优化问题;最后构建DDPG网络,将参数输入到DDPG网络中对目标函数进行优化,获取DDPG网络的参数。本发明不仅能够最大化地面终端用户及其链路的吞吐量,而且能够实现无人机的飞行轨迹优化和通信资源的合理分配,同时能够减少算法迭代次数,并加速收敛过程。

    基于主用户状态的分步式协作频谱感知系统和方法

    公开(公告)号:CN104868961B

    公开(公告)日:2018-10-30

    申请号:CN201510198108.0

    申请日:2015-04-23

    Abstract: 本发明公开了基于主用户状态的分步式协作频谱感知系统和方法,该方法根据授权信道占用的特点,结合分步式协作检测思想,提出了一种基于主用户状态的分步式协作频谱感知方法。当授权信道中主用户存在或不存在的持续时间远远大于感知周期,认知节点系统可以根据上一轮的感知结果推断本轮感知过程中主用户状态,且根据推测结果采用不同的分步式协作感知算法从而提高系统性能和效率。仿真结果表明,相比于硬合并、软合并和非基于主用户状态的分步式协作感知算法,该方法可以在感知时间略微增加的条件下,以较小的传输带宽获得检测性能的较大提高。

    一种基于认知无线电通信盟的调度方法

    公开(公告)号:CN102438313A

    公开(公告)日:2012-05-02

    申请号:CN201110261055.4

    申请日:2011-09-06

    Inventor: 崔龙 杨震 田峰

    Abstract: 本发明公开了一种基于认知无线电通信盟的调度方法,属于认知无线电技术领域。本发明将最大化系统的吞吐量作为通信盟模型的求解目标;通过基于离散随机逼近的通信盟频谱调度算法并联合注水算法共同求解该通信盟模型,并且定义了通信盟盟内和盟间的接入方式和通信协议,规范了入盟、退盟、盟主更新原则,达到通信盟的频谱调度。本发明实现频谱资源的公平高效利用,实现资源分配的帕累托最优,提升认知网络通信性能,最大限度的提高系统吞吐量,并明显地提高频谱利用率。

Patent Agency Ranking