-
公开(公告)号：CN117692052A
公开(公告)日：2024-03-12
申请号：CN202410153912.6
申请日：2024-02-04
Applicant: 北京邮电大学
Abstract: 本发明提供了一种低轨卫星网络中多地面用户的接入选择方法和装置，涉及通信的技术领域，地面用户不断与低轨卫星网络环境进行交互，得到预设连续时隙下的状态空间，进而以最大化全局奖励为目标，基于所有地面用户在预设连续时隙下的状态空间对初始多智能体深度强化学习模型进行训练，得到目标多智能体深度强化学习模型；全局奖励与所有地面用户的和速率正相关，与卫星服务用户数量的方差负相关，模型中的智能体与地面用户一一对应。利用训练后智能体的网络参数更新相应地面用户的接入选择模型的网络参数，以使接入选择模型基于更新后的网络参数选择待接入的卫星。该方法在保证吞吐量的同时达到更优的卫星间负载均衡，还能降低地面用户的信令开销。
-
公开(公告)号：CN118413246A
公开(公告)日：2024-07-30
申请号：CN202311359878.X
申请日：2023-10-19
Applicant: 北京邮电大学
IPC: H04B1/04 , H03F1/32 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本申请实施例提供一种获取预发射信号生成器的方法及获取发射信号的装置，所述方法包括：将经过调制的多个待发射样本信号输入功率放大器得到多个对应的具有非线性失真的放大输出样本信号；将所述多个待发射样本信号和所述多个放大输出样本信号作为训练数据对目标生成对抗网络模型进行训练，得到预发射信号生成器，其中，所述预发射信号生成器用于构造所述功率放大器的逆模型，所述目标生成对抗网络模型是具有残差连接的生成对抗网络模型。与现有的基于神经网络预失真模型相比通过本申请实施例获取的预失真模型(即预发射信号生成器)在相同迭代次数训练下可以获得更精准的功率放大器逆模型，从而达到更好的线性化性能。
-
公开(公告)号：CN117595918B
公开(公告)日：2024-05-07
申请号：CN202410070590.9
申请日：2024-01-18
Applicant: 北京邮电大学
IPC: H04B7/185
Abstract: 本申请技术方案涉及卫星通信领域，本申请的实施例提供一种基于优先级的星间切换的方法及通信卫星，所述方法包括：确认待切换用户的业务所属的优先级，得到目标优先级；从延迟门限值集合中为所述目标优先级选择对应的延迟门限值，得到目标延迟门限值，所述延迟门限值是根据当前时刻各类业务分布情况和预测得到的所述当前时刻的下一时刻的切换业务量动态更新的，且延迟门限值大小与优先级高低正相关；根据所述目标延迟门限值与卫星被占用信道数之间的大小关系确定切换策略。采用本申请实施例提高了高优先级业务接入和切换的成功率，提升了系统服务质量。
-
公开(公告)号：CN117692961A
公开(公告)日：2024-03-12
申请号：CN202410153915.X
申请日：2024-02-04
Applicant: 北京邮电大学
IPC: H04W28/02 , H04W28/08 , H04W74/0833 , H04W84/06
Abstract: 本发明提供了一种低轨卫星物联网随机接入拥塞控制方法和装置，涉及通信的技术领域，包括：广播前导序列池至所有待接入低轨卫星物联网的用户，接收每个用户发送的前导序列，并确定成功接入的第一前导序列总数和发生碰撞的第二前导序列总数，利用目标拥塞控制模型对第一前导序列总数和第二前导序列总数进行处理，得到目标接入等级限制ACB因子和目标退避窗口总数，以对低轨卫星物联网进行接入拥塞控制。目标拥塞控制模型的训练目标为所有用户的接入时延合格率与接入能耗合格率的加权和最大化，因此，该方法可在所有用户的接入时延与接入能耗最小的前提下，对低轨卫星物联网的随机接入拥塞问题进行有效地控制。
-
公开(公告)号：CN119783554A
公开(公告)日：2025-04-08
申请号：CN202510272529.7
申请日：2025-03-10
Applicant: 北京邮电大学
IPC: G06F30/27 , G06F30/18 , G06F111/06
Abstract: 本申请提供了一种卫星路由预测模型的训练方法及低轨卫星路由方法，该方法通过获取每个卫星节点在当前卫星网络环境状态下的观察信息及基于多目标优化模型随机抽取的各目标的权重组合；将各个卫星节点的观察信息及随机抽取的各目标的权重组合输入到各自的卫星路由预测模型中得到多个动作的Q值；将各卫星路由预测模型输出的Q值共同输入到Mixing网络中进行联合训练，基于主联合Q和副联合Q值及预设的损失函数计算损失值基于损失值调整卫星路由预测模型的参数，重复上述训练过程，直至达到预设迭代条件。本发明通过将多目标优化模型的不同路由指标的权重作为观察输入卫星路由预测模型中进行训练，能够生成多样化的，满足不同业务偏好的策略。
-
Patent Agency Ranking
公开(公告)号：CN119646635A
公开(公告)日：2025-03-18
申请号：CN202510179894.3
申请日：2025-02-19
Applicant: 北京邮电大学
IPC: G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种小样本辐射源个体识别模型训练方法、装置及电子设备，涉及辐射源个体识别技术领域，包括：获取原始信号样本，并将原始信号样本进行形式转换，得到多域信号样本；多域信号样本包括：同向‑正交分量数据、双谱数据和希尔伯特谱数据；将多域信号样本进行相位旋转，得到增强信号样本；对增强信号样本进行特征提取，并将提取到的特征进行特征融合，得到多域嵌入特征；基于多域嵌入特征进行分类，得到增强信号样本的预测结果；基于多域嵌入特征、预测结果和原始信号样本的样本标签构建多任务损失，并基于多任务损失进行模型优化，得到训练好的辐射源个体识别模型。本发明能够进行小样本场景下辐射源个体识别，同时提高了识别准确率。
-
公开(公告)号：CN118413420A
公开(公告)日：2024-07-30
申请号：CN202311359707.7
申请日：2023-10-19
Applicant: 北京邮电大学
IPC: H04L25/49 , H04B1/04 , G06N3/0475 , G06N3/094 , G06F18/22
Abstract: 本申请实施例提供一种获取发射信号的方法、发射器及系统，所述方法包括：对当前时刻的待发射数据进行预处理得到当前预发射信号，其中，所述预处理包括编码、映射、调制和过采样；根据目标生成器获取与所述当前预发射信号对应的预失真信号，其中，所述目标生成器是通过学习功率放大器PA的逆特性后得到的，所述目标生成器具备构建所述功率放大器的反函数的能力；根据所述功率放大器将所述预失真信号进行功率放大得到目标发射信号。本申请的实施例采用间接学习的结构，利用边缘均衡生成对抗网络对功率放大器的反函数进行建模，并在输入层综合考虑当前信号与历史信号，以更好地提取功率放大器的记忆效应。
-
公开(公告)号：CN117692961B
公开(公告)日：2024-04-26
申请号：CN202410153915.X
申请日：2024-02-04
Applicant: 北京邮电大学
IPC: H04W28/02 , H04W28/08 , H04W74/0833 , H04W84/06
Abstract: 本发明提供了一种低轨卫星物联网随机接入拥塞控制方法和装置，涉及通信的技术领域，包括：广播前导序列池至所有待接入低轨卫星物联网的用户，接收每个用户发送的前导序列，并确定成功接入的第一前导序列总数和发生碰撞的第二前导序列总数，利用目标拥塞控制模型对第一前导序列总数和第二前导序列总数进行处理，得到目标接入等级限制ACB因子和目标退避窗口总数，以对低轨卫星物联网进行接入拥塞控制。目标拥塞控制模型的训练目标为所有用户的接入时延合格率与接入能耗合格率的加权和最大化，因此，该方法可在所有用户的接入时延与接入能耗最小的前提下，对低轨卫星物联网的随机接入拥塞问题进行有效地控制。
-
公开(公告)号：CN117692052B
公开(公告)日：2024-04-19
申请号：CN202410153912.6
申请日：2024-02-04
Applicant: 北京邮电大学
Abstract: 本发明提供了一种低轨卫星网络中多地面用户的接入选择方法和装置，涉及通信的技术领域，地面用户不断与低轨卫星网络环境进行交互，得到预设连续时隙下的状态空间，进而以最大化全局奖励为目标，基于所有地面用户在预设连续时隙下的状态空间对初始多智能体深度强化学习模型进行训练，得到目标多智能体深度强化学习模型；全局奖励与所有地面用户的和速率正相关，与卫星服务用户数量的方差负相关，模型中的智能体与地面用户一一对应。利用训练后智能体的网络参数更新相应地面用户的接入选择模型的网络参数，以使接入选择模型基于更新后的网络参数选择待接入的卫星。该方法在保证吞吐量的同时达到更优的卫星间负载均衡，还能降低地面用户的信令开销。
-
公开(公告)号：CN119743355A
公开(公告)日：2025-04-01
申请号：CN202510246021.X
申请日：2025-03-04
Applicant: 北京邮电大学
Abstract: 本申请提供的一种多天线卫星系统的数字预失真方法、装置及电子设备，涉及卫星通信领域，本申请是基于多门控混合专家网络，利用专家网络和私有网络来学习共有特征和私有特征，并利用门控网络为不同任务自适应地选择特征。通过自动调整共有特征和私有特征之间的参数化，预失真模型能有效学习复杂的数据分布，提高线性化性能，减少跨信道的非线性串扰。与现有的基于神经网络预失真模型相比，本申请的预失真模型在相同迭代次数训练下可以获得更精准的功率放大器逆模型，以有效补偿多路功率放大器失真和串扰。相比现有多项式的机器学习方法，预失真模型在非线性失真补偿和串扰抑制方面均具有更优异的性能。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
