-
公开(公告)号：CN114007277B
公开(公告)日：2024-03-01
申请号：CN202111489254.0
申请日：2021-12-08
Applicant: 浙江工业大学
Abstract: 本发明属于无线通信技术领域，公开了一种基于功率优先级的随机接入方法。利用碰撞的前导码中定时提前量（Timing Advance,TA）的差异，在用户接入失败时快速进行重试，并在基站端根据用户接收功率的不同，根据用户的功率优先级并采用迭代干扰消除（Successive Interference Cancellation,SIC）算法依次解调各用户的数据信息，从而解决多个用户使用相同的上行链路资源发送数据信息而产生的碰撞。本发明针对大量设备频繁进行随机接入导致信道中发生严重冲突问题，给出了随机接入的具体方案，并且解决了多个用户使用相同的上行链路资源而导致的冲突问题，进而显著提高用户随机接入的成功率。
-
公开(公告)号：CN117221819A
公开(公告)日：2023-12-12
申请号：CN202311080645.6
申请日：2023-08-25
Applicant: 浙江工业大学
Abstract: 一种基于轨迹和资源优化的无人机辅助边缘计算安全节能方法，在该方法中，搭载边缘计算服务器的无人机UAV Server在飞行过程中协助K个终端设备在规定的周期内完成计算其任务，恶意的主动窃听无人机UAV eavesdropper在飞行过程中不仅窃取终端设备发送给UAV server的任务信息，同时攻击合法网络的卸载过程；为了抑制UAV eavesdropper的窃听行为，设置地面干扰者GJ发送干扰信号。通过联合优化时间分配因子、发送功率、本地计算任务数据量、卸载计算任务数据量以及无人机轨迹，有效抵制主动窃听，提高系统安全节能性能。本发明能够有效应对主动窃听无人机。
-
公开(公告)号：CN116684986A
公开(公告)日：2023-09-01
申请号：CN202310867935.9
申请日：2023-07-14
Applicant: 浙江工业大学
Abstract: 本发明公开了基于深度强化学习的免授权随机接入方法，包括步骤：将用户作为一个智能体，生成DQN网络，所述DQN网络的优化目标设置为每个时隙用户所选择的超级前导码的被解码成功个数最大；获取用户的超级前导码的检测结果，作为该智能体的当前状态并将其输入DQN网络以生成用户选择超级前导码的动作并生成奖励及下一时刻状态；将所述当前状态、选择动作、奖励、下一时隙状态均作为经验样本存储于DQN网络的经验回放缓冲区，直至经验样本达到一定数量后从经验回放缓冲区中抽取经验样本训练DQN网络，直至达到所述优化目标后采用训练后的DQN网络作为各用户的超级前导码选择。本发明提供了深度强化学习模式对用户多前导码随机接入进行训练，提升接入成功率。
-
公开(公告)号：CN112954816A
公开(公告)日：2021-06-11
申请号：CN202110229701.2
申请日：2021-03-02
Applicant: 浙江工业大学 , 中国人民解放军军事科学院战争研究院
IPC: H04W74/08 , H04W74/00 , H04B7/0413 , H04B7/0456
Abstract: 一种针对拥挤异步大规模MIMO通信系统的随机接入方法，用户选择随机接入块发送至基站；基站估计当前时域的用户数以及定时偏移并用于执行信道估计，随后广播预编码随机接入响应；用户判断自己是否成功被基站检测，失败用户重新发送随机接入请求；基站再次广播预编码随机接入响应给用户。与现有方案相比，本发明使用了一种新型的定时偏移估计方法，在保证准确度的同时提高了估计数，极大提高了系统吞吐量。
-
公开(公告)号：CN119675712A
公开(公告)日：2025-03-21
申请号：CN202411731111.X
申请日：2024-11-29
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于深度学习由智能反射面辅助的环境感知与通信优化方法；该方法中，多个用户UE在多个观测时间帧内通过反射面辅助向接入点AP发送导频信号。AP构建基于残差网络、长短期记忆网络LSTM和多层感知机MLP组成的深度学习网络，包括自适应反射面优化网络逐帧优化反射面系数，环境感知网络利用接收信号中获得感知空间的点云分布，以及通信优化网络输出下行通信波束赋形以及反射面反射矩阵。本发明可以有效提升AP的环境感知精度以及系统下行传输速率。
-
Patent Agency Ranking
公开(公告)号：CN119341670A
公开(公告)日：2025-01-21
申请号：CN202411416784.6
申请日：2024-10-11
Applicant: 浙江工业大学
IPC: H04B17/391 , H04L41/16 , H04L27/26
Abstract: 本说明书涉及无线通信技术领域，涉及一种OFDM系统接收机模型的训练方法，包括获取参数初始化的信号检测模型和信道均衡模型，获取训练集数据和测试集数据；信号检测模型和信道均衡模型均基于复值神经网络构建；信号检测模型基于训练集数据进行训练直到信号检测模型的损失函数收敛；将训练好的信号检测模型级联到信道均衡模型上得到OFDM系统接收机模型；OFDM系统接收机模型基于训练集数据进行训练，训练过程中更新信道均衡模型的参数，直到OFDM系统接收机模型的损失函数收敛，OFDM系统接收机模型训练完成。本说明书的方法训练出的模型结合了信号检测和信号估计均衡，数据恢复能力更强预测结果更精确。
-
公开(公告)号：CN118470111A
公开(公告)日：2024-08-09
申请号：CN202410602509.7
申请日：2024-05-15
Applicant: 浙江工业大学
Abstract: 一种基于点云高度分布和轮廓特征的回环检测方法，首先，对激光雷达点云进行滤波，从而去除距离雷达中心过近或过远的点以及离群点，并且利用自适应边长体素网格滤波器对点云进行下采样操作从而提高计算效率；然后，利用去质心和主成分分析法重新定义点云的坐标系，减轻平移和旋转对构建描述符的影响；之后，提取点云的鸟瞰图并用点云的高度分布和轮廓特征进行编码，得到相应的高度分布描述符和轮廓特征描述符，利用图像处理的方法可以分别计算两帧点云间高度分布描述符的汉明距离相似度和轮廓特征描述符的轮廓相似度，对两种相似度进行加权求可求出总体相似度；最后，采用两步搜索策略检测当前帧对应的回环帧。本发明具有更高和更稳定的回环性能。
-
公开(公告)号：CN117295069A
公开(公告)日：2023-12-26
申请号：CN202311099792.8
申请日：2023-08-30
Applicant: 浙江工业大学
IPC: H04W12/122 , H04W12/63 , H04W28/08 , H04W28/084
Abstract: 一种基于深度双Q网络的无人机辅助边缘计算安全传输方法，在该方法中，K个终端用户时刻有随机的任务队列到达需要计算，配备边缘计算服务器的无人机USV协助这K个终端用户计算任务，恶意无人机UEV在既定飞行轨迹过程中窃取终端用户卸载传输给USV的任务信息；为了抑制UEV的窃取行为，地面干扰者GJ发送干扰信号来扰乱UEV的信息窃听；通过和无人机辅助边缘计算安全传输系统进行交互，利用深度双Q网络进行学习实现卸载决策、时间分配因子以及USV轨迹智能优化。本发明提供一种能够有效应对终端用户任务动态到达的基于深度双Q网络的无人机辅助边缘计算安全传输方法。
-
公开(公告)号：CN116800572A
公开(公告)日：2023-09-22
申请号：CN202310063191.5
申请日：2023-01-19
Applicant: 浙江工业大学
IPC: H04L27/22 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及一种基于深度学习的QPSK接收机辅助模型训练方法，包括：搭建QPSK系统模型，使用QPSK系统模型获取训练数据集，搭建深度学习神经网络模型，生成预测值，使用训练数据集训练深度学习神经网络模型，优化深度学习神经网络模型的损失函数，使用Nadam算法优化损失函数，更新深度学习神经网络模型的参数，直至预测值与真实值对比的错误率最小，将更新后的深度学习神经网络模型作为QPSK接收机辅助模型。本发明的方法所训练的模型采用基于反思结构的深度学习神经网络，考虑到值之间隐藏的相关性，能够在通信接收机的解调环节中进行解调，该模型的解调能够解决传统硬判决方法在低信噪比条件下，因噪声干扰而导致识別准确率不高的问题。
-
公开(公告)号：CN116055273A
公开(公告)日：2023-05-02
申请号：CN202310055588.X
申请日：2023-01-19
Applicant: 浙江工业大学
IPC: H04L27/22 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及一种神经网络级联的QPSK接收机辅助模型训练方法，包括：搭建QPSK系统模型，使用QPSK系统模型获取训练数据集，搭建并训练rethink神经网络模型，rethink神经网络模型用于对经过编码和噪声影响的信号进行解调，生成预测标签；搭建并训练LSTM_CNN神经网络模型，LSTM_CNN神经网络模型用于对第一QPSK接收机辅助模型输出的预测标签进行译码。本发明的方法所训练的两个模型分别具有解调和信道译码两个小型神经网络，相比于Deepreceiver的深度神经网络，这两个小型神经网络显著减少了网络复杂度、能针对局部进行优化、应用更灵活，信息处理能力和信息恢复性能也在Deepreceiver的基础上得到了进一步提升。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.022 seconds)
