公开(公告)号：CN118283659A

公开(公告)日：2024-07-02

申请号：CN202410427180.5

申请日：2024-04-10

Applicant: 东南大学

Inventor： 杨绿溪 ,  唐文 ,  李宏超 ,  方印 ,  李春国 ,  黄永明

IPC: H04W24/02 ,  H04W24/06 ,  H04W28/20 ,  G06N3/092

Abstract: 本发明公开了一种基于时序残差堆叠网络的数字孪生辅助无线资源分配方法，属于无线通信领域，通过用时序残差块堆叠网络对无线接入网环境进行仿真建模构建基于数据驱动的数字孪生体，使得目前广泛运用于无线接入网切片分配场景的强化学习算法可以自由的在孪生体中执行贪婪策略进行探索，仿真结果表明，该发明可以有效减少强化学习算法在真实环境中的试错性探索，同时获得更加良好的控制策略，还可以使得资源分配算法更快收敛以及带来明显的性能提升。

公开(公告)号：CN118210929A

公开(公告)日：2024-06-18

申请号：CN202410512602.9

申请日：2024-04-26

Applicant: 东南大学

Inventor： 黄永明 ,  吴楷玉 ,  李宏超 ,  俞菲 ,  杨绿溪

IPC: G06F16/36 ,  G06N5/02 ,  G06N3/0895 ,  G06F18/24 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/042 ,  G06N3/0499 ,  G06N3/084 ,  G06F17/18 ,  G06F17/16

Abstract: 本发明公开了一种自监督场景下基于图对比学习的知识图谱结构优化方法，属于知识图谱领域，该方法将原始知识图谱转化为图数据集，然后通过构建的基于图对比学习的知识图谱结构优化模型进行训练，学习和挖掘图中潜在结构和信息。该模型采用数据增强以提升泛化能力，运用注意力机制突出关键信息，引入更新机制降低原始数据中错误信息的影响，最终通过节点分类任务验证模型性能，并基于学习到的图结构对原始知识图谱进行优化和补全。该方法不仅摆脱了对标签的依赖，而且能够有效解决传统知识图谱构建中的结构不完整问题，优化和完善原始知识图谱，显著提升知识图谱的质量，为智能运维等应用领域提供更准确、更完整的数据基础。

公开(公告)号：CN118101389A

公开(公告)日：2024-05-28

申请号：CN202410431613.4

申请日：2024-04-11

Applicant: 东南大学

Inventor： 杨绿溪 ,  李宏超 ,  唐文 ,  冯庆霞 ,  吴楷玉 ,  俞菲 ,  徐琴珍

IPC: H04L25/02 ,  H04B7/0413 ,  H04B7/0456

Abstract: 本发明公开了一种基于深度展开网络的超大规模MIMO近场信道估计方法，属于人工智能辅助无线通信技术领域。利用近场散射点，构建超大规模MIMO近场信道，考虑上行信道，通过用户终端向基站发送导频信号，建立接收信号模型，获取接收信号，随后划分网格，对角度和距离进行采样，获取近场极域字典并构建近场感知矩阵，之后利用极域稀疏性，将超大规模MIMO近场信道估计问题转化为稀疏信号恢复问题，利用近场感知矩阵，选取迭代收缩阈值算法进行求解。随后，基于迭代收缩阈值算法，引入神经网络，对其进行展开建模以及优化，对所设计的深度展开网络进行训练并验证模型的效果。仿真结果表明，提出的深度展开网络能够有效实现近场信道估计。

公开(公告)号：CN118449874A

公开(公告)日：2024-08-06

申请号：CN202410545769.5

申请日：2024-05-06

Applicant: 东南大学

Inventor： 黄永明 ,  陈思怡 ,  詹行 ,  李宏超 ,  俞菲

IPC: H04L41/147 ,  H04W24/02 ,  G06N3/042

Abstract: 本发明公开了一种基于节点重要度的无线通信网络知识图谱有向链路预测方法及其装置。方法包括：依据专家知识构建一个无线通信网络知识图谱；依据无线通信网络知识图谱的特征构建适用于无线通信网络知识图谱的节点重要性计算方法；构建图神经网络模型作为编码器，所构建的编码器可以学习无线通信网络知识图谱节点的嵌入表示向量；构建有向链路预测模型，优化和补全无线通信网络知识图谱。系统包括知识图谱构建模块、集群重要度计算模块和有向链路预测模块。所构建的有向链路预测模型可以有效理解和挖掘无线通信网络中各数据字段和性能指标之间的关联关系程度，为无线通信网络的内生智能化发展进行支撑。

公开(公告)号：CN118138408A

公开(公告)日：2024-06-04

申请号：CN202410434266.0

申请日：2024-04-11

Applicant: 东南大学

Inventor： 杨绿溪 ,  李宏超 ,  唐文 ,  冯庆霞 ,  陈思怡 ,  黄永明 ,  李春国

IPC: H04L25/02 ,  H04B7/0413 ,  H04B7/0456

Abstract: 本发明公开了一种基于迭代收缩阈值算法的超大规模MIMO混合场信道估计方法。本发明利用远场散射点和近场散射点，构建混合场均匀线性阵列信道，考虑上行信道，通过用户终端向基站发送导频信号，建立接收信号模型，获取接收信号，随后划分网格，对角度和距离进行采样，获取远场角度域字典和近场极域字典，并构建远场感知矩阵和近场感知矩阵，之后利用角度域和极域稀疏性，将混合场信道估计问题转化为稀疏信号恢复问题，利用远场感知矩阵和近场感知矩阵，分别逐步对远场角度域信道和近场极域信道进行估计，推导了混合场迭代收缩阈值算法，实现混合场信道估计。本发明提出的混合场迭代收缩阈值算法能很好捕捉混合场信道的信道特征，实现准确估计。