-
公开(公告)号：CN119026458A
公开(公告)日：2024-11-26
申请号：CN202411010482.9
申请日：2024-07-26
Applicant: 北京理工大学
IPC: G06F30/27 , G06F18/214 , G06N3/092
Abstract: 本发明提供一种面向强化学习驱动无人机轨迹规划的数字孪生训练方法，属于通信领域，包括:基于GPS信息和无人机传感器感知信息，在中央服务器构建任务环境的数字孪生模型#imgabs0#构建数字孪生虚实交互通道；确定各个无人机负责的地面节点集合#imgabs1#以地面节点集合#imgabs2#的中心位置作为无人机执行任务的初始位置；面向无人机执行的特定任务，设计强化学习的状态空间S、动作空间A和收益函数R，确定强化学习模型M；构建数字孪生推演仿真平台DT‑S im，得到经验数据B；构建数字孪生决策模型DT‑Dec，辅助强化学习模型M预训练；执行强化学习训练。本发明能够有效提升收敛速度，降低无人机的安全威胁，提高无人机在通信任务中的任务安全和策略效能。
-
公开(公告)号：CN118631364A
公开(公告)日：2024-09-10
申请号：CN202410641880.4
申请日：2024-05-22
Applicant: 北京理工大学
IPC: H04B17/382 , H04B17/391 , H04W24/02 , H04W24/06 , H04W28/16
Abstract: 本发明提供基于合成孔径雷达的ISAC无人机系统资源分配方法，属于通信感知一体化领域，包括：步骤S1、建立合成孔径雷达与通信一体化的无人机系统模型；步骤S2、根据该系统模型，形成联合设计优化问题，基于交替优化法得到最优用户调度策略；步骤S3、针对联合设计优化问题以及最优用户调度策略，得到最优无人机发射功率分配策略；步骤S4、基于最优用户调度策略和最优无人机发射功率分配策略，构建无人机轨迹优化子问题，得到松弛变量、无人机轨迹和速度；步骤S5、基于步骤S2、步骤S3、步骤S4反复迭代，以得到最终的最优用户调度策略、最优无人机发射功率分配策略与最优无人机轨迹。本发明能够在保证通信与感知性能的条件下实现功率资源的公平性分配。
-
公开(公告)号：CN115051744B
公开(公告)日：2023-08-08
申请号：CN202210449238.7
申请日：2022-04-26
Applicant: 北京理工大学
IPC: H04B7/185 , H04B17/391
Abstract: 本发明涉及一种基于轨迹和功率联合优化的无人机辅助星地通信方法，属于无线通信中的资源分配与控制技术领域。本发明针对卫星通讯，部署无人机作为移动中继，增强地面用户的通信性能，并基于低地球轨道卫星的移动性，对无人机的轨迹和功率分配进行联合优化；包括：构建无人机辅助的通信网络的系统模型，确定优化目标，采用基于连续凸近似迭代方法，通过最大化每次迭代中优化目标的下限来逼近最优目标，通过迭代方法获得最佳的无人机轨迹和功率分配，从而最大化用户和速率。本发明最大化地面用户的和速率，解决现有无人机辅助的通信网络中低地球轨道卫星移动性的技术缺陷。
-
公开(公告)号：CN113364554B
公开(公告)日：2022-11-29
申请号：CN202110598550.8
申请日：2021-05-31
Applicant: 北京理工大学
IPC: H04K3/00 , H04B7/06 , H04W12/122 , G01S13/06
Abstract: 本发明涉及一种感知辅助的上行安全通信方法，属于雷达通信一体化、物理层安全技术领域。包括1)置迭代次数为0，初始化发射波形协方差矩阵和接收波束赋形向量；2)固定发射波形协方差矩阵，更新接收波束赋形向量；3)通过一维搜索最大化波束主瓣与旁瓣幅值差下界更新发射波形协方差矩阵；4)迭代次数加1；5)判断目标函数是否收敛或达最大迭代次数，若是则跳至6)，否则跳至2)；6)发射雷达发射波形协方差矩阵波形，获取窃听者的角度并跟踪；8)使用连续凸逼近求解信干噪比松弛变量最小化问题；9)发射雷达波束赋形向量波形，并将接收波束赋形向量设置为上一步中的解。所述方法能定位和干扰空中窃听者，提高了上行通信的保密率。
-
公开(公告)号：CN110611551A
公开(公告)日：2019-12-24
申请号：CN201910924034.2
申请日：2019-09-27
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于嵌套极化码的控制信道编码与盲检方法，属于信道编译码技术领域。在发送端引入动态冻结比特，使得对应不同聚合等级的码字具有嵌套结构；在接收端对低聚合等级的码字进行译码，确定高聚合等级码字的搜索顺序。包括：1、发送端对控制信息进行嵌套编码、调制并通过信道传输；2、接收端接收控制信道数据，并对信道状态信息进行估计，依据信道状态选择搜索的起始聚合等级；3、接收端对起始聚合等级的候选码字进行译码；4、根据译码的路径度量排序对较高聚合等级的候选码字进行译码；5、对译码结果进行CRC校验。所述方法能保证编码码字具有嵌套结构；在盲检过程中确定高聚合等级中目标码字的位置，降低了盲检的时延。
-
Patent Agency Ranking
公开(公告)号：CN109873686A
公开(公告)日：2019-06-11
申请号：CN201910202439.5
申请日：2019-03-11
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于极化码的5G广播信道合并接收方法，属于信道编译码技术领域。本发明在发送端利用高斯近似对各子信道可靠程度进行估计，将各传输块相同信息比特映射到可靠程度较低的信息比特子信道中，将不同信息比特映射到可靠程度较高的信息比特子信道中，在接收端，对于不同信息比特，各传输块分别做判决，对于相同信息比特，将各传输块的软信息进行合并后统一做判决。本发明在有效提升译码正确率的同时，降低了广播信道成功接收的时延。
-
公开(公告)号：CN119172762A
公开(公告)日：2024-12-20
申请号：CN202411181348.5
申请日：2024-08-27
Applicant: 北京理工大学
IPC: H04W16/18 , G06N5/022 , G06N3/084 , G06N3/096 , H04W16/22 , H04L41/16 , H04W24/02 , H04W24/06 , H04W84/06
Abstract: 本发明提供一种关于位置可导的信道知识图谱构建方法，属于无线通信技术领域，包括：构建包含地面基站的无人机辅助通信场景，并构建信道知识图谱模型；设计反向传播神经网络，利用对应于地面基站j的足够的训练样本，对反向传播神经网络进行训练，以学习无人机位置与信道增益之间的隐性非线性关系，并将信道知识图谱模型表征为无人机位置与信道增益的显性可导函数；引入迁移学习算法，使用对应于目标地面基站j′的有限样本，对地面基站j已训练的反向传播神经网络进行微调，得到目标地面基站j′的反向传播神经网络，进而得到目标地面基站j′的信道知识图谱。本发明适用于无人机轨迹优化、部署问题中的经典优化方法。
-
公开(公告)号：CN118843086A
公开(公告)日：2024-10-25
申请号：CN202410808553.3
申请日：2024-06-21
Applicant: 北京理工大学
IPC: H04W4/40 , G06N3/092 , G06N7/01 , H04W16/18 , H04B17/391
Abstract: 本发明提供基于双阶段马尔可夫过程的空基网络部署方法，属于无人机辅助通信网络领域，包括：建立包含城市环境模型、无人机模型及信道模型的系统模型；定义最小化任务执行时间的优化问题；分别设计MTS的马尔可夫过程对应的状态空间、动作空间和收益函数、以及MMS的马尔可夫过程对应的状态空间、动作空间和收益函数；通过深度强化学习算法分别训练无人机在城市环境中的MTS模型与MMS模型，得到优化问题的目标；根据MTS模型和MMS模型，执行双阶段无人机部署，完成无人机从出发位置起飞到完成网络覆盖的数据收集任务。本发明能够支持多无人机长时间的安全部署，实现无人机在城市环境下的三维轨迹规划与高效部署，从而实现大规模区域下的网络覆盖。
-
公开(公告)号：CN118627187A
公开(公告)日：2024-09-10
申请号：CN202410651822.X
申请日：2024-05-24
Applicant: 北京理工大学
Abstract: 本发明提供基于图神经网络的多无人机雷达资源分配方法，属于雷达感知领域，包括：构建多无人机雷达感知网络，并构建无人机雷达资源分配联合优化问题；将多无人机雷达感知网络建模为图的形式，形成无人机雷达感知网络表示图；使用消息传递神经网络对无人机雷达感知网络表示图进行处理，以获取无人机雷达感知网络的频谱分配策略；将位于同一频带的无人机构建为无人机雷达感知网络表示图的子图，使用图注意力网络对各子图进行处理，获得子图中各节点涵盖全图信息的嵌入，以获取功率控制策略。本发明能够在保证无人机感知性能的情况下降低相互干扰，从而提高目标检测的有效性。
-
公开(公告)号：CN117014814A
公开(公告)日：2023-11-07
申请号：CN202310770005.1
申请日：2023-06-27
Applicant: 北京理工大学
IPC: H04W4/029 , H04B17/391
Abstract: 本发明公开的一种基于空时块编码OFDM信号的通信感知一体化协作传输方法，属于通信感知一体化领域。本发明实现方法为：建立基于STBC‑OFDM信号的ISAC协作传输系统模型，实现多基站利用STBC‑OFDM一体化信号对无人机进行联合传输的同时，接收包含无人机状态信息的一体化信号回波；无人机对接收通信信号进行预处理，实现s2m‑1和s2m的正交分离和协作传输分集增益；对第一基站和第二基站接收到的回波信号进行信号处理，获取第一基站和第二基站对无人机观测信息；采用扩展卡尔曼滤波实现对无人机的多基站协作跟踪与轨迹预测；基站通过前传链路将观测参数上传至控制中心，控制中心融合多基站的感知结果，利用扩展卡尔曼滤波方法对无人机的轨迹进行跟踪与预测。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.021 seconds)
