一种基于迁移强化学习的资源分配方法

    公开(公告)号:CN114531685B

    公开(公告)日:2025-01-17

    申请号:CN202210162552.7

    申请日:2022-02-22

    Abstract: 本发明是一种基于迁移强化学习的资源分配方法,该资源分配方法适用于上行多小区的混合多址接入场景,包括:步骤1:搭建用于资源分配的深度强化学习网络;步骤2:进行MA‑DRL与环境的交互,每一轮交互中;步骤3:进行MA‑DRL的训练过程,训练将依据步骤2中交互得到的经验块进行,将每次与环境交互得到的经验块都存入记忆库中,并施加价值标签,抽取记忆块时选取价值标签更大的经验块;步骤4:在资源分配网络的基础上,提出一种基于MA‑DRL的迁移学习方案。本发明提出的资源分配方法以最大化所有用户总速率为目标,可以有效地提升用户总速率,并且和迁移学习结合后可以达到更快的收敛速度。

    基于延时器的近场宽带均匀平面天线阵列的波束失焦抑制方法

    公开(公告)号:CN119171948A

    公开(公告)日:2024-12-20

    申请号:CN202411224855.2

    申请日:2024-09-03

    Abstract: 本发明公开了一种基于延时器的近场宽带均匀平面天线阵列的波束失焦抑制方法,包括如下步骤:S1、对近场均匀平面阵列进行建模;S2、提出一种全连接的延时器辅助波束成形架构,利用延时器取代传统波束成形架构中的相移器辅助波束成形;S3、将全连接的延时器辅助波束成形架构进行优化得到分层延时器波束成形架构,将波束失焦解耦为分别由天线阵列横向与纵向结构影响的两部分;S4、基于实际延时器约束下的分层延时器波束成形架构,提出波束成形的延时器配置方案。可以有效的抑制波束失焦,在不同子载波频率上保证预期覆盖位置的波束增益,同时所提出延时器配置方案可以有效降低系统硬件开销,并适应实际系统中的延时器性能约束。

    一种改进的基于置信度SOM模型聚类方法

    公开(公告)号:CN118643364A

    公开(公告)日:2024-09-13

    申请号:CN202410806604.9

    申请日:2024-06-21

    Abstract: 本发明公开了一种改进的基于置信度SOM模型聚类方法。样本数据先由k‑means算法初步分类,为模型训练提供更多的数据信息;将预分类后的数据分别训练相互独立的SOM模型,以消除不同类之间的影响;在传统SOM模型基础上提出置信度矩阵概念,通过综合判断获胜神经元的置信度及其与输入数据间的欧氏距离最终得到置信神经元,根据置信神经元所属类别给数据分配聚类标签。利用icSOM对莺尾花数据集(IRIS)聚类分析,实验结果表明,本发明可以更好地处理样本数据,取得较好的聚类效果。

    一种面向近场柱状天线阵列系统的波束失焦抑制方法

    公开(公告)号:CN118432668A

    公开(公告)日:2024-08-02

    申请号:CN202410373965.9

    申请日:2024-03-29

    Abstract: 本发明公开了一种面向近场柱状天线阵列系统的波束失焦抑制方法,该方法包括如下步骤:步骤1:利用三维极坐标表征用户与CLA的相对位置,并利用近场宽带CLA通信系统中用户与天线阵列中元素之间的几何关系,推导了该场景下的波束聚焦矢量,并构建传统的基于移相器的预编码架构;步骤2:分别对Msum个时延器(TTD)进行配置,Msum数量等于柱状天线层数,以消除柱状天线的线性结构所引起的波束偏移;步骤3:分别对N个TTD进行配置,N数量等于柱状天线每层元素的个数,以消除柱状天线的环状结构所引起的波束偏移;步骤4:构建两阶段的延迟相位预编码(DPP)架构。本发明提出的两阶段DPP架构可以有效消除波束失焦,在实现次最优的性能同时显著降低硬件开销。

    一种智能通信对抗方法及系统
    55.
    发明公开

    公开(公告)号:CN117040666A

    公开(公告)日:2023-11-10

    申请号:CN202310917523.1

    申请日:2023-07-24

    Abstract: 本发明公开了一种智能通信对抗方法及系统,包括:获取通信方发射机和接收机的地理位置,计算各个信道的信道函数,构建通信方效用模型;获取干扰机的地理位置,计算各个信道的增益,构建干扰机效用模型;基于stackelberg博弈论构建通信对抗的过程,将通信方作为博弈过程中的领导者,干扰机作为博弈过程的跟随者;通过多轮博弈,通信方和干扰方的效用最终收敛,输出稳定状态下通信方和干扰方的策略。本发明在通信方引入了智能反射面,智能反射面根据接收机的位置反射有用信号,同时通过改变干扰信号的相位,使得直射路径和反射路径的信号互相抵消从而抑制干扰信号,有效提高通信方的抗干扰能力。

    一种融合时间因子的协同过滤课程推荐方法

    公开(公告)号:CN115687765A

    公开(公告)日:2023-02-03

    申请号:CN202211356837.0

    申请日:2022-11-01

    Abstract: 本发明公开了一种融合时间因子的协同过滤课程推荐方法,针对于传统协同过滤算法存在的矩阵稀疏、冷启动以及忽略时间因素的问题进行了改进,所述方法包括以下步骤:根据用户u对课程j的过往评分,生成评分矩阵,再根据用户对课程的学习行为,生成用户课程行为矩阵,然后基于用户课程行为矩阵,从而去缓解评分矩阵的稀疏性,生成用户‑课程矩阵,再根据用户的一些基本属性生成用户初始化标签;将用户‑课程矩阵融合评分生成的时间因子再和用户初始化标签进行融合,计算出用户相似度,最后筛选出前N个推荐结果。本发明的课程推荐方法能够提升课程推荐的精准度,同时结合线上课程学习的优势,辅助线下课程教学。

    基于多智能体深度强化学习的CoMP-NOMA协作成簇与功率分配方法

    公开(公告)号:CN114423028A

    公开(公告)日:2022-04-29

    申请号:CN202210110869.6

    申请日:2022-01-29

    Abstract: 基于多智能体深度强化学习的CoMP‑NOMA协作成簇与功率分配方法,区分边缘用户和中心用户,并在此基础上进行以小区为中心的NOMA用户分簇,与传统方法相比,大大提高了系统的频谱效率;提出了一种功率划分方法,根据每个用户的解码顺序设计功率范围;通过对网络输出进行相应的线性变换,使得用户功率在最大基站功率约束的情况下满足SIC解码的必要条件,从而达到辅助MADDPG网络,加快网络收敛的效果。

    一种面向复杂环境的机动5G混合接入链路中断预测方法

    公开(公告)号:CN112543471A

    公开(公告)日:2021-03-23

    申请号:CN202011276967.4

    申请日:2020-11-16

    Abstract: 本发明所公开的一种面向复杂环境的机动5G混合接入链路中断预测方法。属于无线通信技术领域;本发明基于信道模型链路预算结合机器学习模型纠偏,实现链路中断的准确判断。具体地,根据实时链路状态的信息,利用大数据信息与智能学习技术,刻画山区、隧道、密集城镇等复杂环境中5G混合接入信道的空间和时间维度相关性以及多普勒频偏效应与机动通信大数据之间的深度关系,建立起一套方法实现适合复杂地形环境场景的、以及相应频段、带宽条件下,业务状态的预测技术,为满足5G混合接入专用通信系统的多应用场景业务保障及决策提供依据。

Patent Agency Ranking