-
公开(公告)号：CN119966581A
公开(公告)日：2025-05-09
申请号：CN202510107997.9
申请日：2025-01-23
Applicant: 南通大学
IPC: H04L1/06 , H04W72/1273 , H04W72/23
Abstract: 本发明公开了一种有限反馈下RIS‑NOMA比特分配方法，考虑了下一代通信系统中关键技术可重构智能超表面(RIS)辅助的非正交多址(NOMA)RIS‑NOMA系统广泛存在的反馈开销有限的情况，这种有限反馈使得基站只能获取量化的下行信道状态信息(CSI)而非完美CSI，不准确的CSI将误导编解码顺序，恶化系统性能。本发明基于改进的随机矢量量化(RVQ)码本推导了有限反馈下RIS‑NOMA系统中两用户的反馈比特分配方案，在兼顾NOMA用户公平性的前提下，减小了系统的量化速率损失，保证了NOMA系统的正确解码顺序，相比于传统等比特分配方案，提高了系统量化性能。
-
公开(公告)号：CN115407794B
公开(公告)日：2025-04-29
申请号：CN202211024919.5
申请日：2022-08-25
Applicant: 南通先进通信技术研究院有限公司 , 南通大学
IPC: G05D1/46 , H04B7/185 , H04B13/02 , H04B17/336 , H04B17/391 , G06N20/00
Abstract: 本发明提供了基于强化学习的海域安全通信无人机轨迹实时规划方法，属于通信技术领域。解决了传统优化方法无法实时处理海洋动态场景的问题。其技术方案为：步骤一、建立联合大尺度衰落和小尺度衰落的UAV‑船舶信道模型；步骤二、得到移动船舶、窃听节点接收的信干燥比和速率；步骤三、通过求解系统最大平均保密速率来获得无人机的最优轨迹；步骤四、使用Q‑learning和DDPG算法来进行轨迹优化；步骤五、设置相关仿真参数；步骤六、展示不同起飞位置下两种算法的UAV轨迹实时规划结果。本发明的有益效果为：本发明针对不同船舶的通信需求实时的规划出UAV飞行轨迹，有效保障海洋通信的实时性。
-
公开(公告)号：CN119861234A
公开(公告)日：2025-04-22
申请号：CN202510026980.0
申请日：2025-01-08
Applicant: 南通大学
Abstract: 本发明公开了一种面向中轨卫星的船载动中通天线指向误差损耗估计方法，包括基于中轨卫星两行根数导入STK分析软件得出目标卫星在地心大地坐标系下的高度、经度、纬度；其次基于中轨卫星位置信息建立椭球体坐标系，得到中轨卫星在椭球体坐标系下的位置矢量，进一步得到地理坐标系下的天线位置矢量；再基于船舶的姿态信息旋转坐标系将地理坐标系下的天线位置矢量转换到载体坐标系，得到船舶载体坐标系下天线理论的俯仰角，方位角；然后在船载动中通天线转台中安装编码器获得天线在船舶坐标系下实际的俯仰角、方位角，最后基于天线理论指向角和实际指向角，得出天线指向误差损耗。本发明具有估计方便，准确性高的特点。
-
公开(公告)号：CN119830759A
公开(公告)日：2025-04-15
申请号：CN202510026800.9
申请日：2025-01-08
Applicant: 南通大学
IPC: G06F30/27 , G06F18/213 , G06F18/24 , G06F17/16 , G06F17/18 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/08 , G06F119/02
Abstract: 本发明公开了一种深度学习辅助扩展卡尔曼的双波段红外辐射姿态估计方法，分析双波段红外辐射测量信号中的几何误差和随机误差对姿态估计可靠性的影响；构建CBGTE模型消除双波段红外辐射信号中的几何误差和随机误差，首先利用半实物仿真平台收集双波段红外辐射信号数据集并进行清洗后，输入BGT神经网络进行特征学习并保存最优化权重，再将双波段红外辐射传感器获取数据输入最优化权重的BGT神经网络，获得补偿随机误差后的红外辐射数据，将滤除随机误差后的数据输入扩展卡尔曼算法滤除几何误差，获得可靠的姿态角信息。本发明为以红外辐射为姿态测量方法的自旋无人机，提供了一种高精度、鲁棒性的姿态信息获取与处理方法。
-
公开(公告)号：CN118337335A
公开(公告)日：2024-07-12
申请号：CN202410757150.0
申请日：2024-06-13
Applicant: 南通大学
IPC: H04L1/00 , H04L1/06 , H04B7/0456 , H04L25/02
Abstract: 本发明公开了一种时间空间模态级联信道编码方法，对待传输的数据分别从时域、空域及模态域进行信道编码，采用多层级联信道编码，实现三维信道编码约束；时间域、空间域以及模态域的信道编码采用不同的编码结构、编码速率；系统无线资源控制实体根据业务对传输速率、时延和误码率的要求，以及信道状态和需传输的数据块大小，选取相应的目标级联信道编码模式；发送端根据目标级联信道编码模式对输入数据符号进行多层级联信道编码。本发明利用时间空间模态三个级联维度，可以联合维度实行联合编码译码，也可以交换级联顺序，从而更加灵活地配置级联编码模式，以低复杂度实现高性能信道译码。
-
Patent Agency Ranking
公开(公告)号：CN112465243B
公开(公告)日：2024-01-09
申请号：CN202011398877.2
申请日：2020-12-02
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: G01W1/02 , G06Q50/26 , G06F18/23213 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F16/29 , G06N3/08 , G01N33/00
Abstract: 本发明涉及一种空气质量预报方法及系统，使用加权K‑means算法对监测范围内各空气质量监测站点进行区域划分，得到目标监测站点所在区域内所有监测站点空气质量历史数据与气象数据，基于第一预设时间段内多站点空气质量历史数据与气象数据，利用CNN‑LSTM模型分析得出第二预设时间段内污染物浓度演变的时空趋势，从而实现精准的空气质量预报。另外，加权K‑means算法对各空气质量监测站点进行区域划分，能够准确的确定监测范围内与目标监测站点空间相关性较强的其他监测站点数量及位置，那么基于这些监测站点的空气质量历史数据与气象数据能够更真实的反映目标监测站点所在区
-
公开(公告)号：CN117155643A
公开(公告)日：2023-12-01
申请号：CN202311108696.5
申请日：2023-08-30
Applicant: 南通先进通信技术研究院有限公司 , 南通大学
IPC: H04L9/40
Abstract: 本申请涉及一种主动标识载体网关数据安全传输方法及其系统。该方法包括：主动标识载体网关发送IMEI和MCU唯一标识符给认证服务平台，获得唯一的标识编码，完成上电激活注册；所述主动标识载体网关通过与认证服务平台、安全认证平台交互获得标识编码与安全凭证，完成所述标识编码与所述安全凭证写入；所述主动标识载体网关获取各工业终端设备的状态数据信息；所述主动标识载体网关根据当前的安全传输模式对传输的状态数据信息进行安全认证，将传输的所述状态数据信息安全传输至标识应用平台；所述主动标识载体网关接收所述标识应用平台下发的指令，根据所述指令进行相应的控制。认证服务平台与安全认证平台多重认证加解密手段，具有更好的安全性。
-
公开(公告)号：CN116781118A
公开(公告)日：2023-09-19
申请号：CN202310887430.9
申请日：2023-07-19
Applicant: 南通大学
IPC: H04B7/0413 , H04B7/06 , H04L25/02 , H04W12/02
Abstract: 本发明属于无线通信技术领域，公开了一种去蜂窝大规模MIMO物理层安全通信传输方法，该方法构建由M个接入点AP、K个用户和一个窃听者组成的去蜂窝大规模MIMO系统模型；根据去蜂窝大规模MIMO系统模型，构建接入点AP、用户和窃听者之间的物理层安全模型；根据去蜂窝大规模MIMO系统模型、物理层安全模型，构建通信保密率最大化目标及功率分配优化条件；基于通信保密率最大化目标及功率分配优化条件，利用不等式和路径跟踪算法进行求解，并构建去蜂窝大规模MIMO物理层安全通信方法。本发明提供更强的接收信号强度，且具有高安全性和大规模连接的特点。
-
公开(公告)号：CN116734835A
公开(公告)日：2023-09-12
申请号：CN202310648515.1
申请日：2023-06-02
Applicant: 南通大学
Abstract: 本发明属于旋转飞行体的姿态信息获取与处理技术领域，涉及一种云层和太阳干扰特征提取及姿态误差规避方法，包括对双波段红外传感器数据进行分析，得到受干扰时中波和长波红外传感器数据特征不一致的规律，判断干扰区间、干扰中心点和干扰类型，从而得到干扰特征参数，利用干扰特征参数计算置信函数，最后根据干扰类型、干扰相位和置信函数，使用四轴双波段红外姿态规避算法进行姿态解算得到姿态信息。本方法利用判断得到的干扰类别和区间，合理规避了旋转飞行过程中的随机干扰源，得到飞行区间内完整的俯仰角和横滚角信息，有利于增强红外辐射姿态测试的抗干扰能力，提高姿态测试精度。
-
公开(公告)号：CN111339092B
公开(公告)日：2023-09-08
申请号：CN202010111029.2
申请日：2020-02-24
Applicant: 江苏省南通环境监测中心 , 南通大学
IPC: G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/09 , G06F16/2458 , G01N33/00 , G01W1/10
Abstract: 本发明涉及一种基于深度学习的多尺度空气质量预报方法，包括以下步骤：获取实时更新的多源融合数据集并进行归一化处理；依据预报时间尺度将多源融合数据集进行划分为大尺度数据集和小尺度数据集；根据用户选择的预报尺度，调用对应尺度的预报模型对数据集进行处理得到预报数据；然后对经过模型运算的预报数据进行反归一化处理，得到预报结果。预报模型包含有CNN、LSTM和DNN，DNN中，第一层和第二层神经网络加入Dropout正则化层，设置dropout比率为0.3，第三层作为预报结果的输出层。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.03 seconds)
