一种无人机NOMA网络中基于人工噪声的安全通信方法

    公开(公告)号:CN119135248A

    公开(公告)日:2024-12-13

    申请号:CN202411305094.3

    申请日:2024-09-19

    Applicant: 南通大学

    Abstract: 本发明公开了一种无人机NOMA网络中基于人工噪声的安全通信方法,通信过程共两时隙。在第一时隙,基站采用NOMA机制发送信号给无人机,同时无人机选择一根天线发送人工噪声信号干扰不可信远用户,剩余天线接收信号,近用户也发送人工噪声信号;在第二时隙,无人机将其第一时隙的人工噪声信号和近用户信号异或相加,再采用NOMA机制将所得信号和远用户信号叠加,最后重选一根天线发送叠加信号;接着NOMA用户根据接收信号获得相应的信干噪比或信噪比,并计算系统中断概率和窃听概率。本发明能有效削弱不可信用户的窃听能力,且基本不影响不可信用户接收自身消息,有助于解决实际无人机协作NOMA网络通信场景中的安全隐患问题。

    一种基于窗口注意力和生成器的Transformer臭氧浓度预测方法

    公开(公告)号:CN116596033A

    公开(公告)日:2023-08-15

    申请号:CN202310575634.9

    申请日:2023-05-22

    Applicant: 南通大学

    Abstract: 本发明涉及臭氧浓度预测技术领域,尤其涉及一种基于窗口注意力和生成器的Transformer臭氧浓度预测方法,包括模型训练阶段和模型推理阶段;模型训练阶段包括:步骤S1.1、数据预处理阶段;步骤S1.2、调整模型参数,构建基于窗口注意力和生成器的TransformerWAG‑NAT模型,WAG‑NAT模型包括编码器、生成器和解码器三个部分;步骤S1.3、将历史数据输入至WAG‑NAT模型的编码器中,抽取历史信息和长程依赖;步骤S1.4、将协变量输入至生成器中,结合编码器的输出,生成最优序列;步骤S1.5、将生成器产生的序列输入至解码器中,得到的运算结果即为预测结果。本发明不仅能有效提取局部信息,还能充分挖全局信息,并将二者融合;还学习其他多源数据对臭氧浓度的影响模式,从而给出更精确的臭氧浓度预测结果。

    一种基于深度学习的档案扫描图像自动纠偏裁边方法

    公开(公告)号:CN116433494A

    公开(公告)日:2023-07-14

    申请号:CN202310420534.9

    申请日:2023-04-19

    Applicant: 南通大学

    Abstract: 本发明涉及档案扫描图像自动纠偏裁边技术领域,尤其涉及一种基于深度学习的档案扫描图像自动纠偏裁边方法,包括:对档案扫描图像进行预处理;将处理好的图像数据集放入角度校正和边缘切割网络模型中进行训练;对图像进行特征提取;对图像进行自动纠偏裁边处理;利用训练所得模型处理档案扫描图像,并输出经过自动纠偏裁边处理的档案扫描图像。该模型包含特征提取模块、纠偏模块和裁边模块。同时,在纠偏模块和裁边模块中分别加入自适应卷积模块和通道注意力模块,使得较小的角度偏移也能得到精确处理及降低图像的边缘模糊度。本发明可提升模型计算的速度,使得模型更加轻量化,提高了档案扫描图像纠偏裁边的效率以及精确处理小角度偏移图片。

    一种AF双向中继通信系统节点发射功率的控制方法

    公开(公告)号:CN107040981B

    公开(公告)日:2020-06-02

    申请号:CN201510208537.1

    申请日:2015-07-29

    Applicant: 南通大学

    Abstract: 本发明公开了一种AF双向中继通信系统节点发射功率的控制方法,以最小化系统发射功率为目标,以系统QoS要求和节点峰值发射功率受限为条件,根据瞬时信道状态信息和系统目标速率,对网络节点的发射功率进行动态调整,在满足系统QoS要求和节点峰值发射功率受限条件下,实现系统总发射功率的最小化。

    一种基于分支D3QN的星地融合网络计算卸载方法

    公开(公告)号:CN118632303A

    公开(公告)日:2024-09-10

    申请号:CN202410706289.2

    申请日:2024-06-03

    Applicant: 南通大学

    Abstract: 本发明属于边缘计算技术领域,具体涉及一种基于分支D3QN的星地融合网络计算卸载方法。本发明方法包括以下步骤:步骤1:建立星地融合网络多级计算构架的通信模型和计算模型;步骤2:建立星地融合网络计算卸载优化模型;步骤3:构建星地融合网络计算卸载问题的马尔可夫决策过程模型;步骤4:利用分支D3QN算法求解星地融合网络计算卸载问题的MDP模型。该方法建立了星地融合网络计算卸载优化模型,旨在通过优化计算卸载和LEO卫星边缘计算资源分配,最小化系统时延和能耗的加权和。本发明的基于分支D3QN的星地融合网络计算卸载方法,对于实现星地融合网络多级协同计算,进而支持随时随地的计算密集型和延迟敏感型服务,具有重要意义。

    一种基于深度学习的档案扫描图像自动纠偏裁边方法

    公开(公告)号:CN116433494B

    公开(公告)日:2024-02-02

    申请号:CN202310420534.9

    申请日:2023-04-19

    Applicant: 南通大学

    Abstract: 本发明涉及档案扫描图像自动纠偏裁边技术领域,尤其涉及一种基于深度学习的档案扫描图像自动纠偏裁边方法,包括:对档案扫描图像进行预处理;将处理好的图像数据集放入角度校正和边缘切割网络模型中进行训练;对图像进行特征提取;对图像进行自动纠偏裁边处理;利用训练所得模型处理档案扫描图像,并输出经过自动纠偏裁边处理的档案扫描图像。该模型包含特征提取模块、纠偏模块和裁边模块。同时,在纠偏模块和裁边模块中分别加入自适应卷积模块和通道注意力模块,使得较小的角度偏移也能得到精确处理及降低图像的边缘模糊度。本发明可提升模型计算的速度,使得模型更加轻量化,提高了档案扫描图像纠偏裁边的效率以及精确处理小角度偏移图片。

Patent Agency Ranking