一种基于强化学习和流编码驱动的分组传输方法及系统

    公开(公告)号:CN112822718A

    公开(公告)日:2021-05-18

    申请号:CN202011620034.2

    申请日:2020-12-31

    Applicant: 南通大学

    Inventor: 张非凡 李业

    Abstract: 本发明公开了一种基于强化学习和流编码驱动的分组传输方法及系统,分组传输方法具体包括以下步骤:首先初始化流编码相关参数,然后发送端根据接收端的反馈,估计此时网络的拥塞状况和接收端的有序分组接收进度,将这一系列状态作为特征向量供模型实时学习,然后根据奖赏函数对当前行为进行选择,最终在发分组的过程中,实现发送端发送动作的在线训练。分组系统包括发送端、接收端、状态空间单元、奖赏函数单元、价值拟合单元和动作选择单元。本发明依据此时的网络状况以及丢包率,动态地调整分组发送间隔、智能地选择发送分组类型,实现流编码码率控制和拥塞控制的联合优化,提高网络的吞吐量、降低数据传输延迟、并且能够适应多变的链路条件。

    基于YOLO-v3的布面疵点检测及辅助装置与方法

    公开(公告)号:CN112215824A

    公开(公告)日:2021-01-12

    申请号:CN202011111554.0

    申请日:2020-10-16

    Applicant: 南通大学

    Abstract: 本发明公开基于YOLO‑v3的布面疵点检测及辅助装置与方法,包括在线生产运行的布匹,该布匹采用卷布辊进行输送,所述卷布辊采用变频电机驱动,还包括工业摄像机、图像采集卡、处理器、寄存器、PLC控制器、显示屏、制动块和退绕辊;所述制动块分别设置在卷布辊和退绕辊上;布匹疵点检测按以下步骤进行:制作训练数据集;训练模型,保存权重参数并实施自动化检测;写入检测到的疵点信息。布匹修复辅助可分为以下几步:读取存储的疵点信息;修复辅助装置退绕布匹至疵点位置处;疵点信息显示在显示屏上,辅助人工修补。本发明具有算法检测准确;检测速度快;多种疵点可同时检测;较好的可视化性能,极大地减轻了工人的负担。

    面向RLNC辅助的D2D协作传输过程优化方法和装置

    公开(公告)号:CN109257145B

    公开(公告)日:2020-10-09

    申请号:CN201811207685.1

    申请日:2018-10-17

    Applicant: 南通大学

    Abstract: 本发明公开了一种面向RLNC辅助的D2D协作传输过程优化方法和装置。所述方法包括:建立面向RLNC辅助的D2D协作传输系统的时隙模型;根据马尔科夫链原理并结合建立的所述时隙模型,获取RLNC编码有限域大小和D2D协作传输系统中用户间的协作频次,建立D2D协作传输系统传输完成时间的线性相关模型;根据建立的所述线性相关模型,优化面向RLNC辅助的D2D协作传输过程。本发明通过上述建立的线性相关模型,在考虑RLNC编码有限域大小以及用户间协作频率的影响因素下,精确分析RLNC辅助的D2D协作传输系统的传输完成时间,进而可以对优化面向RLNC辅助的D2D协作传输过程提供有效的数据和理论支撑。

    一种Underlay蜂窝网络中D2D通信的监听方法

    公开(公告)号:CN110198532A

    公开(公告)日:2019-09-03

    申请号:CN201910504128.4

    申请日:2019-06-12

    Applicant: 南通大学

    Abstract: 本发明涉及一种Underlay蜂窝网络中D2D通信的监听方法,设计发送波束成形矢量we应用于蜂窝节点E,在减小发射信号对自身的自干扰的同时,提高合法链路的传输速率或对非法链路的干扰速率;设计接收波束成形矢量wj应用合法接收节点J,提高从蜂窝节点E处获得的上行传输速率,减小非法D2D发送节点发送信号的干扰。本发明方法能够保证工作在Underlay网络中的D2D通信安全可靠;利用全双工技术在实现监听任务的同时完成对接收节点的上行传输。

    面向RLNC辅助的D2D协作传输过程优化方法和装置

    公开(公告)号:CN109257145A

    公开(公告)日:2019-01-22

    申请号:CN201811207685.1

    申请日:2018-10-17

    Applicant: 南通大学

    Abstract: 本发明公开了一种面向RLNC辅助的D2D协作传输过程优化方法和装置。所述方法包括:建立面向RLNC辅助的D2D协作传输系统的时隙模型;根据马尔科夫链原理并结合建立的所述时隙模型,获取RLNC编码有限域大小和D2D协作传输系统中用户间的协作频次,对D2D协作传输系统传输完成时间的线性相关模型;根据建立的所述线性相关模型,优化面向RLNC辅助的D2D协作传输过程。本发明通过上述建立的线性相关模型,在考虑RLNC编码有限域大小以及用户间协作频率的影响因素下,精确分析RLNC辅助的D2D协作传输系统的传输完成时间,进而可以对优化面向RLNC辅助的D2D协作传输过程提供有效的数据和理论支撑。

    一种基于路径簇的信道角度地图构建方法

    公开(公告)号:CN119743765A

    公开(公告)日:2025-04-01

    申请号:CN202411950165.5

    申请日:2024-12-27

    Abstract: 本申请涉及一种基于路径簇的信道角度地图构建方法、装置、计算机设备和存储介质。该方法包括:将目标场景中的通信覆盖区域映射为平面地图;从平面地图的网格点集中选取预设数量的采样点,并测量每个采样点的多路径角度数据;在每个采样点内对多路径角度数据进行聚类分析并得到属于各采样点的路径簇;基于各采样点的路径簇进行角度特征提取,得到各采样点的多维角度特征量;针对各采样点的多维角度特征量采用空间插值算法预测网格点集中非采样点的多维角度特征量;结合采样点和非采样点的多维角度特征量构建信道角度地图。采用本方法能够简化计算流程得到信道角度地图,更好地实现收发端的波束扫描、波束调度以及波束码本设计。

    一种在通信信道未知条件下的海域远距离通信方法

    公开(公告)号:CN115460549B

    公开(公告)日:2024-12-27

    申请号:CN202211129671.9

    申请日:2022-09-16

    Abstract: 本发明提供了一种在通信信道未知条件下的海域远距离通信方法,属于海域通信技术领域。解决了传统海域通信受限于信道难以准确获取的问题。其技术方案为:包括以下步骤:S1、划分通信网格区域;S2、确定通信需求网格集合;S3、构建通信需求网格虚拟队列并计算波束网格组合平均收益;S4、计算波束对应网格评价函数并选用最大值组合;S5、船舶收到数据后向基站反馈确认信息并在网格内广播数据;S6、基站依据反馈信息更新等待虚拟队列和平均收益;S7、通信网格集合未变时重复步骤S3至步骤S7,否则重复步骤S2至步骤S7。本发明的有益效果为:本发明不依赖于海域信道状态信息,自适应调整选择波束与服务船舶。

    一种在线数据解码方法和装置

    公开(公告)号:CN118018152A

    公开(公告)日:2024-05-10

    申请号:CN202410250906.2

    申请日:2024-03-05

    Applicant: 南通大学

    Abstract: 本公开是关于一种在线数据解码方法和装置。所述方法包括:获取数据包以及对应传输链路中当前的丢包率、修复数据包的插入百分比;其中,所述数据包包括源数据包和修复数据包;在所述插入百分比小于目标插入百分比的情况下,基于动态反高斯消元法对所述源数据包进行解码处理;在所述插入百分比大于所述目标插入百分比的情况下,基于动态正向高斯消元法对所述源数据包进行解码处理。本公开实施例可以降低编码成本,提高编码效率。

    基于强化学习和流编码驱动的低时延分组传输方法及系统

    公开(公告)号:CN117040685A

    公开(公告)日:2023-11-10

    申请号:CN202310976326.7

    申请日:2023-08-04

    Applicant: 南通大学

    Abstract: 本发明涉及无线通信技术领域,具体涉及基于强化学习和流编码驱动的低时延分组传输方法及系统。本发明公开了基于强化学习和流编码驱动的低时延分组传输方法并在QUIC中实现。该方法利用SC取代了QUIC传统的基于重传的损失恢复机制,在不需要分组重传的情况下提供低延迟的损失恢复,有效改善了NTNs中的高端到端有序递送时延问题。本发明提出了基于强化学习RL的拥塞控制算法LBE。该算法通过跟踪识别ACK来识别系统状态并采用SARSA算法进行学习。通过利用ε‑贪婪策略进行探索,LBE在探索新的可能性和利用已知的最优策略之间取得平衡,解决了NTNs中的低链路利用率问题,提高了传输的有效吞吐量。

    电场强度预测方法、装置、电子设备及存储介质

    公开(公告)号:CN116226696A

    公开(公告)日:2023-06-06

    申请号:CN202310232202.8

    申请日:2023-03-12

    Applicant: 南通大学

    Abstract: 本申请涉及电场强度的预测方法、装置、电子设备及存储介质。包括:获取待测点的属性信息,所述属性信息包括多个维度;所述属性信息至少包括位置信息和地理环境信息;获取所述属性信息与预设的样本聚类中心的距离,确定距离最小的样本聚类中心对应的场强预测模型;其中,所述场强预测模型为基于经过聚类处理以后的样本属性信息与电场强度的对应关系训练获得;将所述属性信息输入至所述目标场强预测模型,输出所述待测点的电场强度。本公开实施例能够提高电场强度预测的准确性。

Patent Agency Ranking