-
公开(公告)号：CN108712746A
公开(公告)日：2018-10-26
申请号：CN201810396908.7
申请日：2018-04-28
Applicant: 中国人民解放军陆军工程大学
CPC classification number: H04W16/04 , H04W16/22 , H04W72/0493
Abstract: 本发明公开了一种部分重叠信道聚合博弈模型及学习算法。该模型为：考虑正则网络中异构业务需求的用户，将部分重叠信道模型和信道聚合技术相结合，构建相应的干扰模型，通过调整信道聚合策略，优化网络吞吐量。算法为：构建局部合作博弈模型，参与者是网络内所有用户；各用户将其他用户划分为邻居用户和非邻居用户；各用户随机选择一个信道聚合策略进行接入，计算所有能够选择的信道聚合策略对应的效用函数，用户选择能带来最优效用的信道聚合策略进行接入；循环迭代，直至所有用户的信道选择实现收敛或者达到设定的迭代次数；循环结束后计算全网吞吐量。本发明有效地减少了用户之间的干扰，提高了网络的数据吞吐量。
-
公开(公告)号：CN108646212A
公开(公告)日：2018-10-12
申请号：CN201810112791.5
申请日：2018-02-05
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种发射功率未知条件下基于数据净化的相对指纹定位方法，将测量区域网格化为N个格子，用一个任意发射功率的训练节点依次停留在每个网格内，收集各感知节点接收到的测量数据并生成与该网格对应的指纹，全部指纹生成后形成指纹库；各感知节点扫描包括辐射源占用信道在内的H个信道，并生成相应数据矩阵；对该矩阵进行数据净化处理，得到新的数据矩阵，并检测出净化后的辐射源指纹；将新的辐射源指纹与指纹库进行相关计算，得到修正因子，并得到新的指纹库；通过稀疏贝叶斯学习，从新指纹库里找到与新辐射源指纹匹配的最优网格点，从而估计出辐射源的位置。本发明相比其他定位方法能够进一步提升辐射源定位的精度。
-
公开(公告)号：CN108616916A
公开(公告)日：2018-10-02
申请号：CN201810396863.3
申请日：2018-04-28
Applicant: 中国人民解放军陆军工程大学
IPC: H04W24/06 , H04W52/24 , H04W72/08 , H04B17/391
Abstract: 本发明公开了一种合作抗干扰分层博弈模型及抗干扰学习算法。该模型为：将用户建模为领导者，干扰建模为跟随者，干扰始终以最大化降低系统的吞吐量为优化目标，用户利用抗干扰学习算法，不断调整抗干扰策略，最大化系统整体吞吐量。算法为：首先构建Stackelberg博弈模型，参与者是所有用户和干扰；所有用户随机生成初始的抗干扰策略，干扰根据用户的抗干扰策略进行干扰策略选择；然后用户随机选择一个抗干扰策略，计算相应的效用函数并比较，干扰随用户动作改变而更新干扰策略；循环迭代，直至所有用户抗干扰策略实现收敛或者达到设定的迭代次数；最后计算全网吞吐量和干扰效用函数。本发明利用用户间的合作关系，提升了系统抗干扰能力。
-
公开(公告)号：CN107809785A
公开(公告)日：2018-03-16
申请号：CN201711083417.9
申请日：2017-11-07
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种基于互利匹配博弈的分布式中继选择方法。该方法为：将无线中继网络中的中继选择问题建模为局部互利的匹配博弈模型，模型的参与者是网络内的源节点和中继节点；网络中的源节点对不同中继节点综合考虑，并进行优先序列排序；每个源节点向优先级最高的中继节点提出申请；不满足当前连接的源节点向优先级最高的中继节点提出接入申请，中继节点对向自己提出申请的源节点进行优先级排序，并根据交换匹配博弈的规则选择接受或是拒绝源节点的请求；如果申请请求被拒绝，源节点将会对次最优的中继节点提出申请，如果没有更好的选择将保持原有的策略；循环进行匹配选择，直到传输连接达到稳定状态。本发明能够有效提升中继网络的吞吐总量性能。
-
-
Patent Agency Ranking
公开(公告)号：CN108616916B
公开(公告)日：2021-07-13
申请号：CN201810396863.3
申请日：2018-04-28
Applicant: 中国人民解放军陆军工程大学
IPC: H04W24/06 , H04W52/24 , H04W72/08 , H04B17/391
Abstract: 本发明公开了一种合作抗干扰分层博弈模型及抗干扰学习算法。该模型为：将用户建模为领导者，干扰建模为跟随者，干扰始终以最大化降低系统的吞吐量为优化目标，用户利用抗干扰学习算法，不断调整抗干扰策略，最大化系统整体吞吐量。算法为：首先构建Stackelberg博弈模型，参与者是所有用户和干扰；所有用户随机生成初始的抗干扰策略，干扰根据用户的抗干扰策略进行干扰策略选择；然后用户随机选择一个抗干扰策略，计算相应的效用函数并比较，干扰随用户动作改变而更新干扰策略；循环迭代，直至所有用户抗干扰策略实现收敛或者达到设定的迭代次数；最后计算全网吞吐量和干扰效用函数。本发明利用用户间的合作关系，提升了系统抗干扰能力。
-
公开(公告)号：CN109327514B
公开(公告)日：2019-12-27
申请号：CN201811122146.8
申请日：2018-09-26
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种基于内容复用的数据下载开销博弈优化模型及方法。该模型为：将频谱市场网络中具有相似业务需求的用户，通过相同内容复用减少用户数据下载开销的机制，使得具有相似业务需求的用户自发形成联盟，采用先集中下载联盟内用户的所有数据，然后在内部进行分发的模式。方法为：构建联盟博弈模型，参与者是所有频谱市场内的用户，用户的效用函数为自己加入联盟对联盟内所有用户带来的开销影响；各个用户加入新的联盟，计算选择新的联盟带来的效用函数，与自己之前所属联盟的效用函数作比较，基于合作优选准则，择优加入；循环迭代，直至所有用户的联盟选择实现收敛。本发明通过对用户相似业务进行数据复用，从而减少了用户数据下载开销。
-
公开(公告)号：CN109327514A
公开(公告)日：2019-02-12
申请号：CN201811122146.8
申请日：2018-09-26
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种基于内容复用的数据下载开销博弈优化模型及方法。该模型为：将频谱市场网络中具有相似业务需求的用户，通过相同内容复用减少用户数据下载开销的机制，使得具有相似业务需求的用户自发形成联盟，采用先集中下载联盟内用户的所有数据，然后在内部进行分发的模式。方法为：构建联盟博弈模型，参与者是所有频谱市场内的用户，用户的效用函数为自己加入联盟对联盟内所有用户带来的开销影响；各个用户加入新的联盟，计算选择新的联盟带来的效用函数，与自己之前所属联盟的效用函数作比较，基于合作优选准则，择优加入；循环迭代，直至所有用户的联盟选择实现收敛。本发明通过对用户相似业务进行数据复用，从而减少了用户数据下载开销。
-
公开(公告)号：CN108391272A
公开(公告)日：2018-08-10
申请号：CN201810177017.2
申请日：2018-03-04
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种动态分配回收的频谱服务模型及集中式动态频谱分配方法。该模型为：来自用户的通信请求按照随机次序到达中心频谱管理器，中心频谱管理器为用户分配频谱进行实时通信，当前的频谱分配结果会影响未来用户的满意度性能，通信结束后释放频谱，实现频谱回收。方法为：首先离线训练，得到不同系统状态下的最优频谱分配策略；然后实时频谱分配，当用户业务到达时，中心频谱管理器根据离线训练的结果进行实时频谱分配；最后在线调整，当系统满意度性能小于预设的门限值时，启动在线调整重新获取最优频谱分配策略。本发明基于离线Q学习进行集中式动态频谱分配，提高了频谱利用率和系统性能。
-
公开(公告)号：CN109586820A
公开(公告)日：2019-04-05
申请号：CN201811624213.6
申请日：2018-12-28
Applicant: 中国人民解放军陆军工程大学
IPC: H04B17/382 , H04B17/391 , H04W72/08
Abstract: 本发明公开了一种衰落环境中的动态频谱抗干扰模型及强化学习抗干扰算法。该模型为：在无线通信系统的动态频谱抗干扰过程中，包括1个发射机、1个接收机和1个干扰机；干扰机产生干扰信号对用户通信进行干扰；发射机与接收机通过数据链路传输数据帧，通过控制链路传输控制信息；接收机通过数据通信和宽带频谱感知获得信道信息，并执行强化学习算法来优化信道选择策略。算法为：用户在数据信道上传输数据并获得当前信道传输速率，计算出当前工作信道的回报值；通过频谱感知获得当前时刻干扰的信道；通过强化学习决策出新的传输信道，更新Q值表，如此循环最终得到最优策略的状态。本发明解决了在衰落环境中的动态频谱抗干扰问题，提高了系统的吞吐量。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.028 seconds)
