-
公开(公告)号：CN118803248A
公开(公告)日：2024-10-18
申请号：CN202410780573.4
申请日：2024-06-14
Applicant: 重庆邮电大学
IPC: H04N19/169 , H04N19/42 , H04L25/02 , H04L27/26
Abstract: 本发明具体涉及一种OFDM引导的无线图像传输语义通信方法，用于多径衰落信道上的无线图像传输。语义通信系统模型主要包括语义编码器、OFDM发送器、OFDM接收器、语义解码器。语义编码器和语义解码器由Swin Transformer和坐标注意力(CA)模块组成，Swin Transformer用于提取图像的多尺度语义特征，CA模块利用在接收端估计的信道状态信息(CSI)，帮助分配语义特征和功率资源和适应时变的信道条件，多径衰落信道和OFDM由不可训练但可微分的层表示，使系统可以进行端到端训练。
-
公开(公告)号：CN118041470A
公开(公告)日：2024-05-14
申请号：CN202410321926.4
申请日：2024-03-20
Applicant: 重庆邮电大学
IPC: H04B17/382 , H04W24/02
Abstract: 本发明涉及一种基于无线频谱数据的智能频谱管理系统，属于认知无线电领域。该方法包括：频谱监测节点网络、频谱管理平台、数据库管理模块和算法开发模块；所述频谱监测节点网络，用于在频谱监测区域内布置监测节点，并实时采集频谱数据；所述频谱管理平台，包括登陆界面和平台交互界面；所述数据库管理模块，用于接收并保存结构化数据和非结构化数据；所述算法开发模块，包括频谱感知算法、频谱预测算法和知识图谱相关算法。发明通过集成频谱监测、数据管理、算法开发和用户界面等功能模块，系统能够实现对频谱资源的全面管理和优化，具有较强的综合性能优势。
-
公开(公告)号：CN117972112A
公开(公告)日：2024-05-03
申请号：CN202410242534.9
申请日：2024-03-04
Applicant: 重庆邮电大学
IPC: G06F16/36 , G06F18/214 , G06F18/22 , G06F17/16 , G06F17/18 , G06N3/0455 , G06N3/08
Abstract: 本发明具体涉及一种语义通信系统鲁棒性增强方法，属于无线通信领域。在接收端设计一个阈值和语义相似度均值联合判决抗噪算法，微调模型命名为BERT_KG以实现基于语义层面的知识图谱错误判决，显著降低噪声影响。该方法包括：利用三元组整体映射的方法，发送三元组对应的符号索引，并根据整体映射这一特点，设计一个动态的阈值和语义相似度均值联合判决抗噪算法。在语义层面，通过函数将经过仿真验证得到的最适合固定阈值和根据知识图谱计算得到的三元组语义相似度均值联合判决，微调得到命名为BERT_KG的模型以找出不符合判决条件的三元组并删除。此方法在接收端找出错误三元组，显著提高语义通信系统对抗噪声的能力，提升系统鲁棒性。
-
公开(公告)号：CN117375751A
公开(公告)日：2024-01-09
申请号：CN202310779117.3
申请日：2023-06-28
Applicant: 重庆邮电大学
IPC: H04B17/391 , G06N3/047 , G06N3/0499 , G06N3/0464
Abstract: 本发明涉及一种无线频谱状态动态预测方法，属于认知无线电领域。该方法包括：将图信号矩阵和距离矩阵输入到带有前馈网络的注意力机制中分别得到时间注意力矩阵Teα和空间注意力矩阵Spα；将所述时间注意力矩阵Teα与所述图信号矩阵相乘，作为图卷积网络的输入；使用所述空间注意力矩阵Spα调整邻接矩阵A。本方法适用于具有复杂特征的频谱环境，可以在不同的时间步长和空间位置自适应地调整注意力权重，这使得网络能够动态地捕捉时空相关性的变化，在长期预测中取得了很好的性能。
-
公开(公告)号：CN114337977B
公开(公告)日：2023-10-27
申请号：CN202210024359.7
申请日：2022-01-07
Applicant: 重庆邮电大学
Abstract: 本发明针对一种基于半双工协作NOMA系统的防窃听方案，属于无线移动通信领域，该方法包括：基站发送中继用户和远端用户的叠加信号到中继用户；中继用户接收来自基站的信号，并采用SIC进行解码；中继用户发送新的远端用户叠加编码信号，远端用户和窃听者接收来自中继用户的信号，远端用户采用SIC解码信号，窃听者采用PLC解码接收信号；根据香农公式，获得合法用户和窃听者的可实现速率获得远端用户的保密速率，然后通过数值计算获得远端用户的安全中断概率闭式表达式；根据远端用户刚好不发生中断时的服务质量要求，推导得到远端用户的最小防窃听服务质量要求。本方案可以有效防止远端用户被窃听。
-
Patent Agency Ranking
公开(公告)号：CN114501616B
公开(公告)日：2023-09-29
申请号：CN202210018099.2
申请日：2022-01-07
Applicant: 重庆邮电大学
IPC: H04W64/00 , H04W84/18 , H04B17/391
Abstract: 本发明涉及一种基于KL散度与相邻关系的改进加权质心定位方法，属于无线通信领域。该方法包括以下步骤：部署待定位节点和锚节点，并初始化节点设置；锚节点向待定位节点传播信号建立RSS矩阵并计算KL散度值衡量近似程度；KL散度值经过观察与多次样本值累加得到KL散度矩阵；利用自适应的邻居选择阈值设定，确定用于定位的锚节点；根据KL散度矩阵，为待定位的邻居锚节点设置权值；利用加权值和锚节点的坐标，得到待定位节点的坐标。
-
公开(公告)号：CN116506931A
公开(公告)日：2023-07-28
申请号：CN202310536259.7
申请日：2023-05-12
Applicant: 重庆邮电大学
IPC: H04W52/24
Abstract: 本发明涉及一种基于全双工协作PNOMA系统功率分配和用户配对方法，属于无线通信领域。该方法为：对于每一个CNOMA对，以速率最大化为目标进行功率分配的算法研究；利用KM算法，同样以速率最大化为目标对多用户进行配对；根据系统模型，获得用户接收信干噪比SINR；利用数学推理，推导出系统中各用户中断概率表达式以及平均可达速率近似表达式。由于PNOMA系统和CNOMA系统能够弥补传统NOMA系统和速率过低以及用户公平性较差的缺陷，形成的CPNOMA系统可以在提高系统和速率的同时适当提高边缘用户速率，即提升用户公平性。
-
公开(公告)号：CN111585816B
公开(公告)日：2022-07-01
申请号：CN202010393454.5
申请日：2020-05-11
Applicant: 重庆邮电大学
IPC: H04L41/0826 , H04L41/0833 , H04L41/142 , H04L41/14 , H04L67/10 , G06N3/12 , G06F9/50
Abstract: 本发明涉及一种基于自适应遗传算法的任务卸载决策方法，属于移动边缘计算领域。通过针对单小区‑多用户MEC场景下的计算任务卸载，设计系统总开销优化函数，并提出卸载决策的优化问题。由于该类问题是非线性限制的0‑1规划问题，无法通过相应公式求解，但若使用枚举法求解，计算复杂度又过高，因此，需要使用启发式算法来求最优解。本发明采用一种自适应遗传算法，即交叉概率和变异概率能够随个体适应度函数自动改变，当种群各个适应度趋于一致或者趋于局部最优时，使交叉概率和变异概率二者增加、而当群体适应度比较分散时，使交叉概率和变异概率减少，从而防止算法进入局部最优解，更好地收敛于全局最优解，大大提高了算法的收敛速度。
-
公开(公告)号：CN114337877A
公开(公告)日：2022-04-12
申请号：CN202210019964.5
申请日：2022-01-10
Applicant: 重庆邮电大学
IPC: H04B17/336 , H04B17/345 , H04B17/382 , H04B17/391 , H04B17/40 , H04L5/14 , H04W24/02 , H04W28/02 , H04W28/22
Abstract: 本发明涉及一种基于全双工中继的CR‑NOMA系统性能优化方法，属于无线移动通信领域；t1时隙，次级源SS发送叠加信号X(t1)给全双工中继R和第一次级用户D1。R从t1时隙的接收信号中译码获得D1和D2的期望信号，并重新编码信号x2(t1)；t2时隙，SS发送叠加信号X(t2)给R和D1，且R将编码后的信号发送给R，及D1和第二次级用户D2。D1对接收信号进行最大比合并，并译码信号y1(t2)，获得t2时隙D1期望信号x1(t2)和D2期望信号x2(t2)的信号与干扰加噪声比；D2译码接收信号y2(t2)，获得t2时隙D2期望信号x2(t2)的信噪比。根据香农公式，计算D1和D2的可达速率，并基于中断概率定义，计算用户中断概率。最后根据中断概率门限和系统公平性条件，最小化系统中断概率和最大化系统总可达速率。
-
公开(公告)号：CN114337745A
公开(公告)日：2022-04-12
申请号：CN202210021952.6
申请日：2022-01-10
Applicant: 重庆邮电大学
IPC: H04B7/0413 , H04B17/391 , H04L41/14 , H04L25/02 , G06K9/62 , G06N3/08
Abstract: 本发明涉及一种模型驱动深度学习的大规模MIMO信号检测方法，属于无线通信领域。该方法为：根据系统模型，获得系统接收信号信道矩阵和用户端传输的调制信号结合最陡梯度下降算法获得改进的Richardson迭代检测算法；展开所诉改进的Richardson迭代检测算法，修改网络结构并设置可学习参数，获得深度学习检测网络；设置所述深度学习检测网络的损失函数；利用所述所述和所述对所述深度学习检测网络设置训练计划，获得训练好的检测网络。由于训练好的检测网络可以获得最优的可训练参数值，补偿传统算法的松弛参数的计算误差，因此，训练好的检测网络能够有效提升原Richardson算法的检测性能和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.043 seconds)
