-
公开(公告)号：CN117793913A
公开(公告)日：2024-03-29
申请号：CN202410019556.9
申请日：2024-01-05
Applicant: 中国人民解放军陆军工程大学
IPC: H04W72/0453 , H04W72/541 , G06N3/0464
Abstract: 本发明公开了一种动态频谱快速适配抗干扰方法、装置、系统及存储介质，属于无线通信技术领域，方法包括：基于预构建的通信场景内各已知干扰模式，对预构建的卷积神经网络模型进行预训练，获取并保存各已知干扰模式下的抗干扰信道接入策略；基于预构建的网络迁移触发判定机制，当感知到干扰模式变换时，迁移或复制经过预训练的卷积神经网络模型的网络结构和连接参数，构建新的卷积神经网络模型；基于变换后的干扰模式，对新的卷积神经网络模型进行训练，直至新的卷积神经网络模型收敛为止，获取并保存变换后的干扰模式下的抗干扰信道接入策略。该方法能够减少大量数据再训练的时间损耗和算力要求，实现动态频谱快速适配抗干扰。
-
公开(公告)号：CN119788219A
公开(公告)日：2025-04-08
申请号：CN202411927327.3
申请日：2024-12-25
Applicant: 中国人民解放军陆军工程大学
IPC: H04B17/373 , G06F18/10 , G06N7/01 , G06N3/0455
Abstract: 本发明公开了一种同地多源探测数据融合的短波通信最高可用频率预测方法，包括：步骤A，数据预处理，获取的数据步骤；B，相关性分析，对获取的数据进行相关性分析；步骤C，计算多种信息熵；步骤D，求取序列的可预测性，分别用不同的熵求取了序列的可预测性，通过可预测性边界更直观地观察量化方法的有效性；步骤E，完成MUF预测任务。本发明提供的一种基于多源数据融合的短波可用频率预测方法，评估各站点多源数据之间的相关性，以确定多源数据之间的相关性变化以及相关性变化的差异化时变性，提出了多源数据融合的预测要求。本发明提出的的预测方法，模型完备，物理意义清晰，有效提高了短波最高可用频率时空推理的准确性。
-
公开(公告)号：CN119095065A
公开(公告)日：2024-12-06
申请号：CN202411275995.2
申请日：2024-09-12
Applicant: 中国人民解放军陆军工程大学
Abstract: 本申请提供一种基于动态图的多频段频谱预测方法，方法包括：步骤1，构建滑动时间窗口的多频段动态图结构；步骤2，构建基于历史数据的多频段频谱张量；步骤3，基于动态图的时频双通道频谱预测模型；步骤4，实施基于动态图的多频段频谱预测方法。本申请对不同时间窗口的多频段频谱相关性构造动态图，并采用时间特征和频段特征双通道提取的方法进行多频段预测，有效避免了传统预测方法因忽视频谱环境动态特性造成模型泛化能力较差的问题。
-
公开(公告)号：CN111006693B
公开(公告)日：2021-12-21
申请号：CN201911289037.X
申请日：2019-12-12
Applicant: 中国人民解放军陆军工程大学
IPC: G01C25/00
Abstract: 一种智能飞行器航迹规划系统及其方法，包括描述模块、建立模块、马尔可夫模块、强化学习模块以及设计模块；描述模块用于对多定位误差约束下航迹快速规划的优化问题进行描述；建立模块用于建立多定位误差约束下航迹快速规划数学模型；马尔可夫模块用于将快速规划数学模型通过引入马尔可夫性、马尔可夫过程这样的特征表述为马尔可夫决策过程的形式；强化学习模块用于对马尔可夫决策过程的形式引入强化学习；设计模块用于对强化学习后的马尔可夫决策过程的形式设计出基于强化学习的智能飞行器航迹快速规划算法并求解。结合其它结构或方法有效避免了现有技术中航迹规划算法具有一定的随机性、复杂度高、在大规模、广域条件下无法高效求解的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN119848495A
公开(公告)日：2025-04-18
申请号：CN202411927329.2
申请日：2024-12-25
Applicant: 中国人民解放军陆军工程大学
IPC: G06F18/2113 , G06F18/26 , G06F18/25 , G06N3/0442 , G06N3/098
Abstract: 本发明公开了一种面向时空耦合的联邦学习预测短波最高可用频率方法，包括步骤A，数据预处理，获取的数据步骤；步骤B，实测数据序列分解，将MUF进行时间序列分解，得到趋势分量并用于后续步骤；步骤C，利用MINE方法来观测联邦学习中模型之间的互信息变化；步骤D，联邦学习本地模型之间的空间关系分析；步骤E，选择个性化的融合策略完成联邦学习中的MUF预测任务。本发明评估各站点MUF的相似性，利用MUF中的趋势项作为联邦学习训练数据，评估所有站点的本地模型之间的互信息，确定数据中潜在的与地磁纬度信息一致的空间相关性。本发明提出了基于互信息的个性化联邦学习框架，模型完备，物理意义清晰，有效提高了短波最高可用频率时空推理的准确性。
-
公开(公告)号：CN110730046B
公开(公告)日：2022-02-18
申请号：CN201910995721.3
申请日：2019-10-18
Applicant: 中国人民解放军陆军工程大学
IPC: H04B17/382 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度迁移学习的跨频段频谱预测方法。所述频谱预测方法把握频段之间各个信道的相似性，通过在其他频段的信道上测得的历史频谱数据挖掘出频谱数据间内在规律和关联，并迁移至当前频段从而预测当前频段的将来时刻的频谱状态。所述方法步骤如下：选择业务相似的频段，选择最具有相似性的信道，构建数据集，从分类的角度搭建基于深度学习的预测模型，并用训练集训练；将训练成熟的模型参数迁移至目标频段的预测模型中，并在此基础上以较低学习率训练由目标频段数据构建的数据集，并用测试集输入到训练好的预测模型中，得到下一时隙的预测结果。本发明能够较好地通过跨频段方式帮助目标频段补充数据并预测出频谱演变规律。
-
公开(公告)号：CN110730046A
公开(公告)日：2020-01-24
申请号：CN201910995721.3
申请日：2019-10-18
Applicant: 中国人民解放军陆军工程大学
IPC: H04B17/382 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度迁移学习的跨频段频谱预测方法。所述频谱预测方法把握频段之间各个信道的相似性，通过在其他频段的信道上测得的历史频谱数据挖掘出频谱数据间内在规律和关联，并迁移至当前频段从而预测当前频段的将来时刻的频谱状态。所述方法步骤如下：选择业务相似的频段，选择最具有相似性的信道，构建数据集，从分类的角度搭建基于深度学习的预测模型，并用训练集训练；将训练成熟的模型参数迁移至目标频段的预测模型中，并在此基础上以较低学习率训练由目标频段数据构建的数据集，并用测试集输入到训练好的预测模型中，得到下一时隙的预测结果。本发明能够较好地通过跨频段方式帮助目标频段补充数据并预测出频谱演变规律。
-
公开(公告)号：CN115660033A
公开(公告)日：2023-01-31
申请号：CN202211281750.1
申请日：2022-10-19
Applicant: 中国人民解放军陆军工程大学
IPC: G06N3/0442 , G06N3/08 , G06N20/00 , H04B17/373 , H04W16/22
Abstract: 本发明公开了一种基于联邦学习的短波频谱预测方法。考虑一个无线网络，该网络内部有一个全局用户、多个本地用户。在动态未知的短波频谱环境中，全局用户利用基于联邦学习的频谱预测方法挖掘短波频谱规律，预测最大可用频谱；为避免模型训练过程中本地用户模型对全局用户的精确度产生干扰，引入了长短时记忆网络，设计了复杂环境下训练本地模型选择最大可用频谱，待本地模型训练完毕本地用户再与全局用户进行交互，保证全局用户能够精确地融合本地用户模型，进而较为准确地提取频谱规律，获得较好的最大可用频率预测值。本发明模型完备，物理意义清晰，算法设计合理有效，能够很好地刻画基于联邦学习的短波频谱预测场景。
-
公开(公告)号：CN111006693A
公开(公告)日：2020-04-14
申请号：CN201911289037.X
申请日：2019-12-12
Applicant: 中国人民解放军陆军工程大学
IPC: G01C25/00
Abstract: 一种智能飞行器航迹规划系统及其方法，包括描述模块、建立模块、马尔可夫模块、强化学习模块以及设计模块；描述模块用于对多定位误差约束下航迹快速规划的优化问题进行描述；建立模块用于建立多定位误差约束下航迹快速规划数学模型；马尔可夫模块用于将快速规划数学模型通过引入马尔可夫性、马尔可夫过程这样的特征表述为马尔可夫决策过程的形式；强化学习模块用于对马尔可夫决策过程的形式引入强化学习；设计模块用于对强化学习后的马尔可夫决策过程的形式设计出基于强化学习的智能飞行器航迹快速规划算法并求解。结合其它结构或方法有效避免了现有技术中航迹规划算法具有一定的随机性、复杂度高、在大规模、广域条件下无法高效求解的缺陷。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
