-
公开(公告)号：CN108631817B
公开(公告)日：2020-05-19
申请号：CN201810442971.X
申请日：2018-05-10
Applicant: 东北大学
IPC: H04B1/713 , H04B17/391 , G06K9/62
Abstract: 本发明公开了一种基于时频分析和径向神经网络进行跳频信号频段预测的方法，包括如下步骤：一、采用时频分析得到跳频信号的频率以及跳频周期；二、采用RBF神经网络对跳频信号的频段进行预测，选取高斯函数作为RBF神经网络的径向基函数；通过上述优化方案可通过优化学习训练得出RBF神经网络中的中心、宽度及权值，在实际测试数据的时候可将得出的数据继续作为样本输入到网络结构当中，重复上述步骤，这样当测试的数据越多网络的结构更加精确，测量的结果也更加精确。
-
公开(公告)号：CN107798379A
公开(公告)日：2018-03-13
申请号：CN201711183345.5
申请日：2017-11-23
Applicant: 东北大学
Abstract: 本发明公开了改进量子粒子群优化算法的方法及基于改进算法的应用。其中，该方法包括：寻找粒子群中的拐点，其中，拐点是在任一方向上所能进行搜索的极限位置，拐点至少为两个；计算拐点的适应度值；对拐点的适应度值与个体极值的适应度值进行比较，根据比较结果更新粒子的个体极值；更新种群的历史最优位置和中心粒子，其中，中心粒子为所有粒子的个体极值所形成的中心；通过种群的历史最优位置和中心粒子之间的差分结果更新种群的全局极值；根据个体极值和全局极值更新粒子的位置。本发明解决了处理复杂问题时容易产生过早收敛的问题，在算法迭代后期，粒子多样性迅速下降，收敛速度较慢的技术问题。
-
公开(公告)号：CN117676602A
公开(公告)日：2024-03-08
申请号：CN202311695755.3
申请日：2023-12-12
Applicant: 东北大学
Abstract: 本发明提供了一种RIS辅助通信系统中无人机部署策略研究，涉及通信领域、无人机领域及RIS相位技术领域，包括如下步骤：S1：对研究内容进行场景预部署；S2：构建RIS辅助通信系统中无人机部署策略研究系统模型；S3：基于所述空中RIS辅助无人机通信系统模型得到优化问题，所述优化问题为最小化通信系统中断概率；S4：将所述优化问题分为RIS的相位优化和无人机的高度优化两个子问题进行求解，得到最优决策方案。本发明可在通信领域、无人机领域与RIS领域广泛推广，可以进一步向对通信稳定性要求高的方面推广使用，如：救援行动、交通监测等。因此，对RIS辅助通信系统中无人机部署策略的研究具有重大意义。
-
公开(公告)号：CN113535732B
公开(公告)日：2023-07-25
申请号：CN202110839618.7
申请日：2021-07-23
Applicant: 东北大学
IPC: G06F16/22 , G06F16/2453 , G06F16/2455 , G06F16/27 , G06F21/64 , G06F16/182
Abstract: 本发明公开了一种面向信誉‑行为关联双区块链的可验证查询优化方法，包括：计算一定交易个数或预定分块个数时的树骨架中所有结点个数，创建树骨架；设计写入高效的基于跳转列表的块间索引结构，高效节省遍历区块的查询时间；设计考虑属性存在相同下的信誉链块内索引结构和行为数据链块内索引结构，且具备多种属性的查询方式；设计信誉链验证索引结构和行为数据链验证索引结构，高效确保查询结果集的完整性。本发明实现了面向信誉‑行为关联双区块链的可验证查询优化方法，解决了关联双链查询方式单一、查询性能低下和查询验证效率较差问题，进一步满足了数据溯源或数据取证的需求。
-
公开(公告)号：CN116225016A
公开(公告)日：2023-06-06
申请号：CN202310205530.9
申请日：2023-03-06
Applicant: 东北大学
IPC: G05D1/02
Abstract: 本发明一种基于分布式协同深度强化学习模型的多智能体路径规划方法，通信领域与强化学习技术领域，包括以下步骤：对本发明设计的分布式协同深度强化学习模型进行训练，得到训练好的分布式协同深度强化学习模型，随机生成地图；基于训练好的的分布式协同深度强化学习模型，实现多智能体环境下的智能体在线路径规划。本发明的分布式协同深度强化学习方法，不同于集中式的深度强化学习方法，每个智能体只根据自身的观察做出决策，同时引入了智能体之间的通信和顺序决策，促进了智能体之间的协调。本方法从单个智能体的角度进行设计，不用考虑集体，从而避免了集中式深度强化学习的不可伸缩性问题。
-
Patent Agency Ranking
公开(公告)号：CN108631817A
公开(公告)日：2018-10-09
申请号：CN201810442971.X
申请日：2018-05-10
Applicant: 东北大学
IPC: H04B1/713 , H04B17/391 , G06K9/62
Abstract: 本发明公开了一种基于时频分析和径向神经网络进行跳频信号频段预测的方法，包括如下步骤：一、采用时频分析得到跳频信号的频率以及跳频周期；二、采用RBF神经网络对跳频信号的频段进行预测，选取高斯函数作为RBF神经网络的径向基函数；通过上述优化方案可通过优化学习训练得出RBF神经网络中的中心、宽度及权值，在实际测试数据的时候可将得出的数据继续作为样本输入到网络结构当中，重复上述步骤，这样当测试的数据越多网络的结构更加精确，测量的结果也更加精确。
-
公开(公告)号：CN107995027A
公开(公告)日：2018-05-04
申请号：CN201711182435.2
申请日：2017-11-23
Applicant: 东北大学
Abstract: 本发明公开了改进的量子粒子群优化算法及应用于预测网络流量的方法。其中，该方法包括：通过粒子群的聚集度随机生成收缩扩张系数，其中，粒子群的聚集度是指粒子群的粒子之间的相似性和聚拢度，收缩扩张系数服从随机分布；根据收缩扩张系数更新粒子的位置。本发明解决了处理复杂问题时容易产生过早收敛的问题，在算法迭代后期，粒子多样性迅速下降，收敛速度较慢的技术问题。
-
公开(公告)号：CN104580368B
公开(公告)日：2017-10-17
申请号：CN201410748055.0
申请日：2014-12-09
Applicant: 东北大学
Abstract: 本发明提供一种光数据中心网络中面向云渲染的虚拟网络嵌入系统及方法，系统包括：光骨干网、渲染数据中心、图像存储数据中心和图像压缩数据中心；方法包括：云渲染用户向光数据中心网络发出虚拟网络嵌入请求；对虚拟网络嵌入请求进行模型化描述；对所有云渲染任务进行排序；进行当前云渲染任务的虚拟网络嵌入；更新底层光数据中心网络资源；统计消耗的波长总数及服务器总数；得到所有云渲染任务所消耗的波长总数下界值区间及服务器总数下界值区间；验证当前虚拟网络嵌入操作是否最优。本发明结合服务器整合及流量疏导方法为真实云渲染任务和非真实云渲染任务的虚拟网络嵌入请求进行节点映射和链路映射，达到了有效降低渲染开销的目的。
-
公开(公告)号：CN104580368A
公开(公告)日：2015-04-29
申请号：CN201410748055.0
申请日：2014-12-09
Applicant: 东北大学
Abstract: 本发明提供一种光数据中心网络中面向云渲染的虚拟网络嵌入系统及方法，系统包括：光骨干网、渲染数据中心、图像存储数据中心和图像压缩数据中心；方法包括：云渲染用户向光数据中心网络发出虚拟网络嵌入请求；对虚拟网络嵌入请求进行模型化描述；对所有云渲染任务进行排序；进行当前云渲染任务的虚拟网络嵌入；更新底层光数据中心网络资源；统计消耗的波长总数及服务器总数；得到所有云渲染任务所消耗的波长总数下界值区间及服务器总数下界值区间；验证当前虚拟网络嵌入操作是否最优。本发明结合服务器整合及流量疏导方法为真实云渲染任务和非真实云渲染任务的虚拟网络嵌入请求进行节点映射和链路映射，达到了有效降低渲染开销的目的。
-
公开(公告)号：CN104468450A
公开(公告)日：2015-03-25
申请号：CN201410748746.0
申请日：2014-12-09
Applicant: 东北大学
IPC: H04L27/26 , H04L25/02 , H04B10/556
CPC classification number: H04L27/2601 , H04J14/06 , H04L25/0202
Abstract: 本发明一种偏振复用DD-OFDM-PON系统及信号传输方法，属于光接入网络技术领域，本发明在系统发送端和接收端，分别采用了射频上变换和射频下变换，相对现有的OFDM-PON系统，子载波利用率提高了一倍；本发明采用光学单边带调制技术和偏振复用技术，偏振正交的两路信号在频谱上重叠，相对于采用光学双边带的偏振复用DD-OFDM-PON系统或未采用偏振复用技术的DD-OFDM-PON系统的频谱利用率提高了一倍；本发明采用了MIMO信道估计技术，具有较好的数据恢复功能，系统性能的误比特率性能与40Gb/s的系统性能相近，系统鲁棒性较好。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.025 seconds)
