-
公开(公告)号：CN105634634A
公开(公告)日：2016-06-01
申请号：CN201610063925.X
申请日：2016-01-29
Applicant: 北京邮电大学
IPC: H04B17/382
CPC classification number: H04B17/382
Abstract: 本发明公开了一种存在未知定时的异步信道感知方法，具体为：一、预测某个PU在k时刻的存在概率和感知时间差；二、由观测值更新存在概率预测值和感知时间差预测值；三、将更新的存在概率预测值与判决门限比较，得到PU的状态值；步骤四、根据状态值，计算PU在k时刻的感知时间差；步骤五、根据k-1时刻的感知时间差计算k时刻的出生粒子的状态值和权值；六、判断k时刻是否为最后一个时刻，如果是，记录并保存全部时刻的感知时间差以及状态值；否则，用k时刻的粒子集，迭代预测PU在k+1时刻的存在概率和感知时间差。优点在于：适用于异构无线网络动态频谱共享，避免了PU与SU之间繁杂的信令交互，降低了CR系统的配置复杂度并节省了时间与能量开销。
-
公开(公告)号：CN104333424A
公开(公告)日：2015-02-04
申请号：CN201410549873.8
申请日：2014-10-16
Applicant: 北京邮电大学
IPC: H04B17/20
Abstract: 本发明针对实际应用中噪声方差动态未知情况下的频谱检测问题，首先提出一种动态状态空间系统模型反映其内在机理：将授权用户状态与时变噪声方差作为两个隐藏状态，分别采用两状态一阶马尔科夫和自回归模型对其动态迁移特性建模。在此基础上，设计提出一种新型频谱感知方法装置。该方法根植于贝叶斯统计推理理论，采用边缘化粒子滤波技术(见附图)，能够实现对授权用户与噪声方差的联合估计。特别地，本发明提出边缘化粒子滤波两级自适应预测系数调整方法，充分利用噪声方差时变特性，可实现对于噪声方差的准确跟踪。利用得到的噪声方差信息，该算法装置可拓展应用至(但不限于)单节点单天线感知系统中去，并获得良好频谱感知性能。
-
-
公开(公告)号：CN103220747A
公开(公告)日：2013-07-24
申请号：CN201210543743.4
申请日：2012-12-14
Applicant: 北京邮电大学
Abstract: 本发明是一种认知无线Mesh网络的路由设计方法。该方法主要包括三个步骤(见附图)。首先建立一种新的认知无线Mesh网络分布式分层图模型；再引入蚁群算法来更新路由表，提出了一种新的与认知无线Mesh网络的结构和数据流分布相适应的蚁群算法：zAntNet。然后进行数据传输，模拟仿真Mesh网络客户端节点通过路由与互联网通信。最后整理设计方法，提供方法的具体数据和图表，作为本次网络路由设计方法的总体结果，为用户提供显示依据和参考。本发明基于网络频谱资源紧张的现状，针对认知无线Mesh网络的动态频谱特性，充分考虑时间、空间因素和频谱参数，对路由接口分配和选路策略进行适应性的设计。
-
公开(公告)号：CN103117817A
公开(公告)日：2013-05-22
申请号：CN201310007794.X
申请日：2013-01-09
Applicant: 北京邮电大学
IPC: H04B17/00
Abstract: 本发明提出一种时变衰落信道下下频谱感知算法，设计一种动态状态空间模型来描述授权用户状态与时变信道增益的时变特性，将授权用户工作状态和衰落信道增益看作两个隐藏系统状态，并引入一阶FSMC模型刻画时变慢衰落信道增益时变迁移特性，将接收信号能量累积和作为系统观测值；在此基础上，针对时变衰落信道提出一种全新频谱感知方法，充分发掘授权用户状态先验概率以及衰落信道状态转移特性，对授权用户状态和时变信道增益实施联合估计，极大提高了衰落信道下频谱感知性能，在无需实施复杂多节点协作感知的情况下，亦能获得良好检测性能(见附图)。该方案以累计能量作为观测量，新方法同时亦保留了无需授权用户信号特征及检测时间短的优势。
-
Patent Agency Ranking
公开(公告)号：CN115047419B
公开(公告)日：2025-01-14
申请号：CN202110250191.7
申请日：2021-03-08
Applicant: 北京邮电大学
IPC: G01S7/41
Abstract: 本发明实施例提供了一种毫米波雷达恒虚警率检测方法及装置，接收毫米波雷达发射的调频连续波FMCW信号经检测目标反射后的信号，对所接收到的信号进行预设信号处理，得到距离‑多普勒矩阵，根据距离‑多普勒矩阵，计算检测点的二维平面平均噪声功率；基于预设虚警概率、噪声概率分布、杂波干扰概率分布和检测目标概率分布，采用N‑P准则计算在二维平面平均噪声功率下的噪声筛选门限；根据噪声筛选门限，对距离‑多普勒矩阵进行噪声点筛选，得到候选目标点集合；采用二维加窗恒虚警检测，确定目标点，并基于目标点确定针对探测目标的检测结果。实现降低目标检测的复杂度，并提高目标检测精确度。
-
公开(公告)号：CN113543065B
公开(公告)日：2024-02-02
申请号：CN202110605101.1
申请日：2021-05-31
Applicant: 北京邮电大学
IPC: H04W4/40 , H04W16/14 , H04W72/044 , H04W72/53
Abstract: 本公开提供一种基于强化学习的通信资源分配方法及其相关设备，所述方法包括：综合考虑目标用户和非目标用户的位置、目标用户的Q值和回报函数，通过生成随机数，根据生成的随机数和ε贪婪算法，确定目标用户的信道选择策略和功率选择策略，进一步根据各个参数、信道选择策略和功率选择策略计算下一时刻的各个参数并更新目标用户的Q值，最后循环迭代直到满足预设的迭代时间或预设条件，得到目标用户的最终信道选择策略和所述目标用户的最终功率选择策略，并根据所述最终信道选择策略和所述最终功率选择策略，进行通信资源分配。使得信令开销降低，实现不同类型用户之间频谱资源的共享，提高频谱资源的利用率，缓解当前频谱(56)对比文件尹翔;李斌;于萌.一种多agent网络中的分布式联盟形成算法.控制与决策.2014,(第03期),全文.江虹;伍春;刘勇.基于强化学习的频谱决策与传输算法.系统仿真学报.2013,(第03期),全文.李卓.基于联合资源分配的飞蜂网吞吐量优化研究.北京信息科技大学学报(自然科学版).2013,(第03期),全文.Liping Jiang.Joint Mode Selection andResource Allocation in D2D-enabledVehicular Network.The 12th InternationalConference on Wireless Communications andSignal Processing.2020,全文.蒋涛涛;朱江.CNR中基于多用户Q学习的联合信道选择和功率控制.计算机应用研究.2019,(第08期),全文.张亚洲;周又玲.基于Q-learning的动态频谱接入算法研究.海南大学学报(自然科学版).2018,(第01期),全文.
-
公开(公告)号：CN116319522A
公开(公告)日：2023-06-23
申请号：CN202310249916.X
申请日：2023-03-15
Applicant: 北京邮电大学
IPC: H04L45/121 , H04L47/125 , H04L67/101 , H04L67/1012
Abstract: 本发明提供一种算力网络中的多路径转发方法及系统，所述方法包括：获取计算任务的算力要求和时延要求，删除算力网络中不满足计算任务传输带宽需求值的链路以及不满足计算任务算力需求量化值的算力节点后，计算各剩余候选算力节点的综合指数并基于综合指数筛选主目标算力节点和备份目标算力节点，计算主目标算力节点和备份目标算力节点到入口节点的最短距离，得到主路径和备份路径，当算力网络的链路带宽资源、算力资源、主路径以及备份路径均满足计算任务需求时接受该计算任务，在算力网络中为计算任务预留计算资源并更新算力网络的网络状态。本发明能够避免计算任务在算力网络中出现拥塞丢包现象，为计算任务的传输提供了确定性保障。
-
公开(公告)号：CN113645166B
公开(公告)日：2022-07-22
申请号：CN202110727942.X
申请日：2021-06-29
Applicant: 北京邮电大学
IPC: H04L25/03
Abstract: 本公开提供一种分子通信方法及用于分子通信的接收机。该方法在接收端执行，包括：在比特时隙内分别检测从发射端通过生化环境发送的携带原比特的信息的信使分子的第一浓度、生化环境存在的反应物分子的第二浓度、信使分子与反应物分子在生化环境中发生反应生成的产物分子的第三浓度，得到第一浓度曲线、第二浓度曲线和第三浓度曲线；分别对第一浓度曲线、第二浓度曲线和第三浓度曲线进行凹凸性度量，得到第一度量指标、第二度量指标和第三度量指标；通过将第一度量指标、第二度量指标和第三度量指标分别与预设自适应阈值进行比较，获得对原比特的第一检测结果、第二检测结果和第三检测结果；基于各检测结果进行综合判决，以得到原比特的恢复比特。
-
公开(公告)号：CN113516151A
公开(公告)日：2021-10-19
申请号：CN202110369242.8
申请日：2021-04-06
Applicant: 北京邮电大学
Abstract: 本公开提供一种联邦学习方法，其中，方法由中心服务器和至少一个边缘节点实现，方法包括：中心服务器对神经网络每一层的权重矩阵降维以得到降维的权重矩阵参数集合，并将降维的权重矩阵参数集合发送至边缘节点；边缘节点基于降维的权重矩阵参数集合利用本地样本进行训练以得到该边缘节点对应的边缘表征矩阵，并将边缘表征矩阵发送至中心服务器；中心服务器基于所有边缘表征矩阵得到更新的降维的权重矩阵参数集合，并将更新的降维的权重矩阵参数集合发送至边缘节点。本公开在保证了边缘节点的数据隐私性的同时，降低了对于边缘节点的计算能力和存储能力的要求，且提高了中心服务器和边缘节点之间的数据传输速度。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.03 seconds)
