-
公开(公告)号：CN118827243B
公开(公告)日：2024-11-19
申请号：CN202411304780.9
申请日：2024-09-19
Applicant: 厦门大学
Abstract: 基于动态心理博弈论的水声传感网络攻防对抗策略生成方法，涉及水下通信攻防对抗策略。先确定UASNs攻防场景及博弈对象，待传输信息的信息重要度，预定传输路由；其次构建基于动态心理博弈论模型#imgabs0#；UASNs方需最小化总传输时延和被窃听风险，敌方需在有能量限制的条件下尽可能延长UASNs的传输时延，博弈双方根据主要目标定义心理期望效用函数，利用虚拟遗憾最小化算法进行平均策略的训练，最终得到博弈双方在预定路由下的行动策略。通过建立基于动态心理博弈论的网络攻防模型，得出水声传感网络攻防对抗场景中的最优对抗策略，可提高水声传感网络的传输安全性。
-
公开(公告)号：CN118827243A
公开(公告)日：2024-10-22
申请号：CN202411304780.9
申请日：2024-09-19
Applicant: 厦门大学
Abstract: 基于动态心理博弈论的水声传感网络攻防对抗策略生成方法，涉及水下通信攻防对抗策略。先确定UASNs攻防场景及博弈对象，待传输信息的信息重要度，预定传输路由；其次构建基于动态心理博弈论模型#imgabs0#；UASNs方需最小化总传输时延和被窃听风险，敌方需在有能量限制的条件下尽可能延长UASNs的传输时延，博弈双方根据主要目标定义心理期望效用函数，利用虚拟遗憾最小化算法进行平均策略的训练，最终得到博弈双方在预定路由下的行动策略。通过建立基于动态心理博弈论的网络攻防模型，得出水声传感网络攻防对抗场景中的最优对抗策略，可提高水声传感网络的传输安全性。
-
公开(公告)号：CN115002865B
公开(公告)日：2024-09-03
申请号：CN202210638987.4
申请日：2022-06-07
Applicant: 厦门大学
Abstract: 基于Q学习和数据分级的水声网络动态计算簇头路由方法，涉及水声通信网络。将水下节点分簇，设簇头CH节点为计算簇头，负责计算数据传输的最优路径以及Q值表的存储，非簇头节点负责数据信号传输。根据水声网络节点的初始位置，选择初始簇头CH节点，再根据非簇头节点的能量变化率选择备用簇头。根据数据优先级程度不同进行数据分级，选择不同的数据传输模式，以保证较高数据优先级的节点优先传输；当初始计算簇头CH节点的剩余能量接近于阈值时，其与备用簇头进行任务交接，优化簇内节点能量的均匀分布，对水声通信网络能量资源的分配进行更加合理的规划，实现水声通信网络基于Q学习和数据优先级的水声通信能耗和时延优化功能。
-
公开(公告)号：CN115865220B
公开(公告)日：2024-06-11
申请号：CN202211471729.8
申请日：2022-11-23
Applicant: 厦门大学
Abstract: 一种基于智能超表面的AUV辅助水声网络数据传输方法，涉及水下通信传输。确定水声通信网络中能量空洞中心位置和待传输信息的信息重要度，目的节点的位置；AUV搭载智能超表面前往能量空洞中心中继转发；信源节点将预备数据子包发送至AUV，AUV根据数据子包信息进行RIS系统分块优化，实现基于信息重要度的计算复杂度与波束赋形能力之间的平衡；RIS根据分块优化方案完成相位调控，AUV发射预备信号给信源节点；信源节点将待传输信息子包整合发送至AUV处，经过RIS反射至多个目的节点，目的节点根据信号标签处理属于自己的信号段。通过RIS系统分块转发，实现水声通信网络能量空洞中同时转发多个信息。
-
公开(公告)号：CN117439673A
公开(公告)日：2024-01-23
申请号：CN202311769531.2
申请日：2023-12-21
Applicant: 厦门大学
Abstract: 基于非正交多址的智能超表面辅助水声数据传输方法，涉及水下通信。提供一种因信道存在障碍物阻挡、无法直接进行传输，而采用智能超表面（RIS）极板中继辅助通信的水声数据传输方法：一个水声信号发射器通过RIS极板与多个不同距离、不同方位的目标节点进行通信，RIS极板针对各个目标节点的距离和方位进行RIS极板上的RIS单元分块和波束赋形；对不同接收端设定RIS反射路径，采用非正交多址技术对各个水声信号接收器的下行信号进行功率域叠加，并通过RIS极板进行定向发送，实现多目标同时通信，完成对水声信号发生器总功率的分配和充分利用。
-
Patent Agency Ranking
公开(公告)号：CN117395626A
公开(公告)日：2024-01-12
申请号：CN202311685969.2
申请日：2023-12-11
Applicant: 厦门大学
IPC: H04W4/38 , G06N3/0985 , G06N3/084 , G01N33/18 , H04W52/24 , H04W52/22 , H04W52/38 , H04B13/02 , H04B11/00
Abstract: 基于元学习及NOMA的水声网络水质监测数据搜集方法，涉及水下通信领域。在非正交多址接入（NOMA）的水声网络水质监测数据搜集方法中，搜集海洋瞬时信道状态，根据瞬时信道状态利用元学习调整水声节点发送信号的功率分配因子；元学习模型使用已知水声节点历史信道状态及其对应最优功率分配因子作为训练任务集、当前海域测得少量样本作为测试任务集；在训练过程中利用梯度下降法更新参数，根据瞬时信道状态计算出最佳功率分配因子，以达到适应复杂多变的海洋环境的目的。
-
公开(公告)号：CN117354806A
公开(公告)日：2024-01-05
申请号：CN202311456189.0
申请日：2023-11-03
Applicant: 厦门大学
Abstract: 一种基于图神经网络的水声传感器网络信任模型构建方法，涉及水下安全通信和图神经网络。为准确评估水声传感器节点的可靠性，充分利用水下环境、节点本身和邻居节点所提供的参考信息，更好地识别网络内部攻击，本发明综合考虑水声通信质量、节点能耗率和网络拓扑结构，用于计算候选节点的信任值。另外，考虑到水下资源受限的条件，使用图神经网络搭建信任类型预测模型，减少计算负载，高效检测水声传感器网络中的恶意节点，维护数据的正常传输和网络的环境安全。
-
公开(公告)号：CN116321431A
公开(公告)日：2023-06-23
申请号：CN202310298915.4
申请日：2023-03-24
Applicant: 厦门大学
IPC: H04W72/02 , H04W72/0446 , H04W72/53 , H04W4/38 , H04W24/02 , H04W84/18 , H04B13/02 , H04B11/00 , G06N20/00
Abstract: 基于元学习的超参数重加权水声网络介质访问控制方法，涉及水声网络。在单跳水声传感器网络中，设计一个基于双层优化的框架，通过采用基于元学习的算法提高水声数据传输效率。在核心层中，将信息关键度和传输节点剩余能量作为参数引入水声网络，利用元学习对它们的权重进行重加权，得到最优化的权重导入到嵌套层中；在嵌套层中，针对水声数据传输时延大、传输节点能量受限等特点，在介质访问控制中采用Q学习算法，避免数据传输发生碰撞造成的数据损失。将元学习与Q学习相结合，提高了数据传输效率，有效避免传输冲突和数据丢失，降低了水声数据传输的系统能量损耗，增强了水声传感器网络的稳定性。
-
公开(公告)号：CN116074915A
公开(公告)日：2023-05-05
申请号：CN202310095023.4
申请日：2023-02-10
Applicant: 厦门大学
Abstract: 水下动态环境中考虑时延和AUV能耗的混合数据搜集方法，在运用多跳路由传输方式和AUV信息搜集方式的混合数据搜集过程中，考虑到水声环境导致的节点移动、数据传输过程的时间损耗以及AUV行驶的能量损耗，对多跳过程中的下一跳节点选择和AUV路径规划进行优化。在多跳传输进行路由选择时，下一跳节点可能处于数据传输过程中，将该情况作为选择下一跳节点的影响因素之一，以减少时间损耗；在AUV路径规划过程时，在遗传算法中加入不同层之间AUV的相互影响，让下层AUV将数据传递给上层AUV，避免所有AUV都需到达Sink节点的情况；所考虑的水下场景是动态变化的，更符合实际海洋环境。能够有效减少时延以及AUV能量损耗。
-
公开(公告)号：CN115987886A
公开(公告)日：2023-04-18
申请号：CN202211653973.6
申请日：2022-12-22
Applicant: 厦门大学
Abstract: 一种基于元学习参数优化的水声网络Q学习路由方法，涉及水下通信。在水声传感器网络节点中，簇头CH节点只负责计算数据最优传输路径和与其它非簇头节点进行单通道通信，其余非簇头节点负责数据传输；簇头CH节点根据剩余能量和深度，采用基于元学习参数优化的Q学习策略，计算全簇内最优传输路径，以达到缓解个别节点因频繁参与传输数据导致能量过早耗尽造成的网络能量空洞问题，从而延长整个网络寿命；采用元学习自主优化Q学习算法的奖励函数各参数权重设置，可动态地根据簇内平均剩余能量信息的变化进行参数优化，从而达到基于Q学习的路由协议最大优化适应性效果。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.032 seconds)
