-
公开(公告)号：CN119402921A
公开(公告)日：2025-02-07
申请号：CN202411486254.9
申请日：2024-10-23
Applicant: 北京科技大学
IPC: H04W28/086 , H04W28/08 , H04W72/044 , H04W72/50 , H04W72/542 , H04W84/06 , G06Q10/0631 , G06Q50/26 , G06Q50/50 , G06N7/01 , G06N3/092 , G06N3/096 , G06N3/045
Abstract: 本发明涉及通信技术领域，特别涉及灾后无人机通感系统的任务调度与资源分配方法及装置。方法包括：无人机补充失效的基站，对潜在的感知目标进行监测；将通信惩罚指数和感知惩罚指数作为在无人机能量约束下的优化目标；建立联合任务调度和资源分配模型，最小化通信性能指标和感知性能指标的加权和；将优化问题重新表述为马尔可夫决策过程；构建软演员‑评论家算法SAC更新MDP，将迁移学习应用于软演员‑评论家算法SAC，当基站可用性发生变化时，将已训练模型的参数转移到更新后的MDP中。实验结果表明，SAC在通信和感知性能以及收敛速度上均优于基线算法。基于迁移学习的SAC在基站可用性突然变化时表现出更快的收敛速度和更好的鲁棒性。
-
公开(公告)号：CN112382382B
公开(公告)日：2024-04-12
申请号：CN202011143487.0
申请日：2020-10-23
Applicant: 北京科技大学
Abstract: 本发明公开了一种代价敏感的集成学习分类方法及系统，该方法包括：获取样本数据集，并将样本数据集分成训练样本集和测试样本集；基于训练样本集对多个不同类型的分类器分别进行训练，并基于测试样本集对训练好的各分类器分别进行分类测试，得到各分类器的分类结果；基于各分类器的分类结果为每一分类器分配对应的权重；基于各分类器的权重，对各分类器进行加权集成，得到集成分类器；利用集成分类器对待测样本进行分类，得到相应的分类结果。本发明使集成学习模型具有各个基学习器的优点，弱化各个基学习器的缺点。并通过权重分配和调整集成学习的门限，改善了集成分类器的分类效果。
-
公开(公告)号：CN118041474B
公开(公告)日：2024-06-14
申请号：CN202410446624.X
申请日：2024-04-15
Applicant: 北京科技大学
IPC: H04B17/391 , H04W16/22 , H04W24/06
Abstract: 本发明涉及通信网络技术领域，特别是指一种通感一体化网络感知约束下信道容量计算方法及装置。通感一体化网络感知约束下信道容量计算方法包括：基于双功能发射器，采集通感一体化网络数据，获取通信发射信息；根据通信发射信息构建协方差矩阵偏差；根据瞬时协方差约束以及发射波形进行约束集合构建，获得第一协方差约束集合；在高信噪比的通信环境中，基于奇异值分解法，根据信道输出模型、发射波形和预设信道矩阵进行模型构建，获得第二信道容量计算模型，对第二信道容量计算模型优化，获得第三信道容量计算模型；根据第三信道容量计算模型计算，得到最优信道容量。本发明是一种基于感知约束下的普适性的通感一体化网络的信道容量计算方法。
-
公开(公告)号：CN118041474A
公开(公告)日：2024-05-14
申请号：CN202410446624.X
申请日：2024-04-15
Applicant: 北京科技大学
IPC: H04B17/391 , H04W16/22 , H04W24/06
Abstract: 本发明涉及通信网络技术领域，特别是指一种通感一体化网络感知约束下信道容量计算方法及装置。通感一体化网络感知约束下信道容量计算方法包括：基于双功能发射器，采集通感一体化网络数据，获取通信发射信息；根据通信发射信息构建协方差矩阵偏差；根据瞬时协方差约束以及发射波形进行约束集合构建，获得第一协方差约束集合；在高信噪比的通信环境中，基于奇异值分解法，根据信道输出模型、发射波形和预设信道矩阵进行模型构建，获得第二信道容量计算模型，对第二信道容量计算模型优化，获得第三信道容量计算模型；根据第三信道容量计算模型计算，得到最优信道容量。本发明是一种基于感知约束下的普适性的通感一体化网络的信道容量计算方法。
-
公开(公告)号：CN111683375B
公开(公告)日：2021-07-16
申请号：CN202010384603.1
申请日：2020-05-08
Applicant: 北京科技大学
Abstract: 本发明提供一种针对无人机辅助无线蜂窝网络的无人机部署优化方法，包括：构建网络系统模型；采用覆盖子区域的面积与三维服务区域的总面积之比作为评估指标，来反映覆盖率；在单跳回程距离约束和可变边界约束下，通过优化三维服务区域中无人机的部署方式，最大限度提升覆盖率。并采用罚函数法将其变换为非约束问题。采用逐步交替SGD算法，通过交替执行两个步骤来高效地优化变换后的问题，直到满足停止条件：一步是使用SGD算法来优化覆盖率，另一步是使用SGD算法优化包含了边界约束和回程约束的罚函数。本发明可有效解决考虑覆盖和回程的异构无线蜂窝网络中的无人机部署优化问题。
-
Patent Agency Ranking
公开(公告)号：CN118400005A
公开(公告)日：2024-07-26
申请号：CN202410690434.2
申请日：2024-05-30
Applicant: 北京科技大学
Abstract: 本发明涉及通信领域，特别是指一种无人机使能通感一体化网络中的联合波形设计方法及装置。所述方法包括：构建无人机使能的ISAC系统模型，包括：MIMO通信子系统模型和MIMO雷达子系统模型；针对无人机使能的ISAC系统，制定考虑信号PAPR的通信和感知联合的波形设计问题；其中，波形设计问题的目标为在设定约束条件下最小化多用户干扰和波束模式不匹配的加权和；其中，设定约束包括功率约束、PAPR约束和波束方向图约束。采用多变量循环迭代交替方向乘子方法对波形设计问题进行求解，得到无人机使能通感一体化网络中的联合波形设计结果。本发明考虑到PAPR，所提出的方法适用于无人机ISAC的波形设计。
-
公开(公告)号：CN111683375A
公开(公告)日：2020-09-18
申请号：CN202010384603.1
申请日：2020-05-08
Applicant: 北京科技大学
Abstract: 本发明提供一种针对无人机辅助无线蜂窝网络的无人机部署优化方法，包括：构建网络系统模型；采用覆盖子区域的面积与三维服务区域的总面积之比作为评估指标，来反映覆盖率；在单跳回程距离约束和可变边界约束下，通过优化三维服务区域中无人机的部署方式，最大限度提升覆盖率。并采用罚函数法将其变换为非约束问题。采用逐步交替SGD算法，通过交替执行两个步骤来高效地优化变换后的问题，直到满足停止条件：一步是使用SGD算法来优化覆盖率，另一步是使用SGD算法优化包含了边界约束和回程约束的罚函数。本发明可有效解决考虑覆盖和回程的异构无线蜂窝网络中的无人机部署优化问题。
-
公开(公告)号：CN110322968A
公开(公告)日：2019-10-11
申请号：CN201910547358.9
申请日：2019-06-24
Applicant: 北京科技大学
Abstract: 本发明的实施例公开一种疾病类别医学数据的特征选择方法和装置，所述方法包括：步骤一，初始化种群，作为当前种群；步骤二，计算所述当前种群中的每个个体的适应度；步骤三，判断所述适应度是否趋于稳定值；当所述判断结果为否时，执行步骤四；当所述判断结果为是时，跳到步骤七，将所述当前种群中的适应度最高的个体作为疾病类别医学数据的最优特征子集；对所述当前种群中的个体进行选择，选出优良的个体，更新当前种群；步骤五，选出两个个体进行交叉操作，使用交叉操作后的结果更新所述当前种群；步骤六，所述当前种群进行变异操作；第三次更新当前种群，然后跳到步骤二。
-
公开(公告)号：CN118400005B
公开(公告)日：2024-11-26
申请号：CN202410690434.2
申请日：2024-05-30
Applicant: 北京科技大学
Abstract: 本发明涉及通信领域，特别是指一种无人机使能通感一体化网络中的联合波形设计方法及装置。所述方法包括：构建无人机使能的ISAC系统模型，包括：MIMO通信子系统模型和MIMO雷达子系统模型；针对无人机使能的ISAC系统，制定考虑信号PAPR的通信和感知联合的波形设计问题；其中，波形设计问题的目标为在设定约束条件下最小化多用户干扰和波束模式不匹配的加权和；其中，设定约束包括功率约束、PAPR约束和波束方向图约束。采用多变量循环迭代交替方向乘子方法对波形设计问题进行求解，得到无人机使能通感一体化网络中的联合波形设计结果。本发明考虑到PAPR，所提出的方法适用于无人机ISAC的波形设计。
-
公开(公告)号：CN118488386A
公开(公告)日：2024-08-13
申请号：CN202410717045.4
申请日：2024-06-04
Applicant: 北京科技大学
Abstract: 本发明涉及通信技术领域，特别涉及一种无人机时空众包的资源分配方法及装置。方法包括：将无人机和IoT设备的三维服务区映射到二维，获得二维服务区的坐标范围和时间数据集合；基于无人机的时间数据集合收集每个时间段内的IoT数据；预设无人机禁飞区，计算无人机的边界约束和禁飞区约束；预设多个优化目标进行加权平衡；将优化问题表述为马尔科夫决策过程；采用双延迟深度确定性策略梯度法，对无人机的飞行动作和IoT的功率进行分配。本发明部署了一种先进的强化学习算法，即TD3。它利用深度神经网络基于演员‑评论家架构来逼近策略和价值函数，因此它在高性能和低时间复杂性方面表现出色，且验证了所提出的算法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.025 seconds)
