一种新型扩频通信方法
    1.
    发明公开

    公开(公告)号:CN118611702A

    公开(公告)日:2024-09-06

    申请号:CN202410767282.1

    申请日:2024-06-14

    Abstract: 本公开提出一种新型扩频通信方法,发送方和接收方预先共享公共参数;发送方生成并周期性更新曲线频增函数,在发送比特序列时,首先将比特序列映射为初始频率值,然后使用曲线频增函数在通信带宽内进行曲线扫频,以生成已调信号;接收方使用公共参数,生成并周期性更新曲线频减函数,接收到基带信号后,使用曲线频减函数对基带信号进行解扩处理,以获得初始频率值,并进一步将其映射为比特序列,完成数据接收。发送方和接收方可以周期性动态更新曲线频增函数和曲线频减函数。该公开提出的新型扩频通信方法,使得恶意第三方无法获取扩频通信的全部细节,干扰信号无法绕开扩频通信方法提供的抗干扰保护,无线通信链路能够以较高信干噪比,传输数据。

    一种基于深度强化学习的多信道数据传输协同抗干扰方法

    公开(公告)号:CN118400053A

    公开(公告)日:2024-07-26

    申请号:CN202410556828.9

    申请日:2024-05-07

    Abstract: 本发明公开了一种基于深度强化学习的多信道数据传输协同抗干扰方法,建立多信道数据传输协同抗干扰系统模型、通信模型和数据传输模型;以频谱瀑布图为状态,以传输方式的选择和传输信道的选择为动作,将多信道数据传输协同抗干扰过程建模为多用户马尔可夫决策过程;发射机根据当前缓冲区数据量和数据传输模型初始化传输方式,根据状态和动作定义发射机的状态‑动作值函数,执行选择的动作之后,获得奖励,感知当前频谱,状态转移到下一状态,并将当前状态、动作、状态价值和下一时刻状态作为经验,存储到经验池中;从经验池中随机批量采样训练神经网络,所述神经网络引入mellowmax算子计算目标状态价值,并基于纯贪婪策略选择动作,确定传输方式和传输信道。本发明模型完备,物理意义清晰,能够避免恶意干扰和用户之间的互扰,提高网络吞吐量的同时降低平均数据传输时延。

    一种面向无人机位置部署与地面协作转发方法

    公开(公告)号:CN117373290A

    公开(公告)日:2024-01-09

    申请号:CN202311332711.4

    申请日:2023-10-16

    Abstract: 本发明公开了一种面向无人机位置部署与地面协作转发方法,首先设定空地网络中无人机和静态地面用户参数,建立通信环境模型;然后建立无人机与地面用户以及地面用户间的协作关系;最后集中式分发联合策略至无人机与用户;或集中式分发部署策略至无人机,地面用户自行分布式更新转发策略;最终完成无人机部署与用户转发的空地联合任务。本发明聚焦空地联合这一前沿应用背景,研究多无人机位置部署与地面用户转发协作的联合决策方法,能够有效提高有效服务用户占比;不同于空间自适应算法,本发明提出的局部空间自适应算法无需遍历决策空间,在保证算法收敛性和最优性的同时极大地缩小了算法复杂度。

    一种时延最小化的多边缘服务器网络任务卸载方法

    公开(公告)号:CN116567725A

    公开(公告)日:2023-08-08

    申请号:CN202310527603.6

    申请日:2023-05-09

    Abstract: 本申请公开了一种时延最小化的多边缘服务器网络任务卸载方法,本申请提供的方法包括:如果能量不受限,则根据任务卸载比例以及发送功率,确定当前任务卸载方式;确定功率不受限时最优任务分配比δ*;确定功率不受限时最优发射功率比α*;将能量不受限情况下的最优任务分配比和最优发射功率分配确定为最优解(δ*,α*);如果能量受限,则所述方法还包括:判断最优解(δ*,α*)消耗的能量E(δ*,α*)是否小于能量限制Emax;如果小于则将能量不受限情况下的最优任务分配比和最优发射功率分配确定为最优解,否则分两种情况分别确定能量受限得到的最优解(δ*,α*)。本申请综合考虑卸载延时和计算延时的总时延。

    基于扩展无人机网络中的延时与能耗折中模型的系统

    公开(公告)号:CN111491315B

    公开(公告)日:2023-06-27

    申请号:CN201911307934.9

    申请日:2019-12-18

    Abstract: 一种扩展无人机网络中的延时与能耗折中模型及分层学习算法,包括将无人机网络划分为簇,每一簇包含一架作为簇头的大型无人机、中继无人机及其作为扩展无人机群的小型无人机群;所述中继无人机构成核心网,所述扩展无人机构成扩展网,所述中继无人机由空闲无人机充当,所述中继无人机用于协助所述扩展无人机将信息传输到簇头,所述中继无人机还用于调整无人机网络系统的带宽策略来提高带宽利用率,并根据无人机网络通信的功率和带宽资源的耦合关系,实现无人机网络通信的延时与能耗的折中。结合其它结构或方法有效避免了现有技术中对无人机网络的系统延时问题进行优化并没有同时考虑延时和吞吐量性能以及资源利用率的缺陷。

    多中继通信中的抗干扰系统的抗干扰方法

    公开(公告)号:CN113038567B

    公开(公告)日:2023-06-16

    申请号:CN202110077910.X

    申请日:2021-01-20

    Abstract: 本发明公开了一种多中继通信中的抗干扰模型及抗干扰方法。源节点进行中继选择,选择一个未受干扰攻击的中继节点进行通信,被选择的中继节点选择一个未受干扰的信道将接收到的信息通过放大转发方式发送到目的节点。目的节点通过宽带频谱感知获取当前频谱状态信息,将频谱信息反馈给中继节点,中继节点再反馈给源节点。源节点和中继节点分别根据反馈信息更新各自的Q值表,最后根据各自的Q值表,进行决策。当达到最大循环次数时,算法结束。本发明模型完备,物理意义清晰,设计算法合理有效,能够很好地刻画基于强化学习算法的中继通信抗干扰场景。

    多用户协同抗干扰系统及动态频谱协同抗干扰方法

    公开(公告)号:CN112188504B

    公开(公告)日:2023-03-28

    申请号:CN202011053666.5

    申请日:2020-09-30

    Abstract: 本发明公开了一种多用户协同抗干扰系统及动态频谱协同抗干扰方法,属于无线通信抗干扰技术领域。由多个数据采集设备和用频设备组成分布式无线网络,每个不同用频设备需要将数据上传给附近的数据采集设备;网络外部受到恶意干扰攻击。网络内用户可通过宽带频谱感知当前干扰信号所处频段,采用分布式学习调整信道接入策略。首先通信方观测干扰信号,并将干扰信号作为“推荐信号”;各用户根据推荐信号与对应的信道接入概率,挑选信道进行数据传输,并与邻居节点进行信息交互确定通信回报;之后,根据通信回报更新信道接入策略表对应的信道接入概率。本发明模型完备,物理意义清晰,既可避免同频互扰,也可避开恶意干扰,有效提高了网络通信吞吐量。

    一种基于合作抗干扰分层博弈模型的抗干扰学习方法

    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

    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。

Patent Agency Ranking