-
公开(公告)号：CN111612097A
公开(公告)日：2020-09-01
申请号：CN202010488065.0
申请日：2020-06-02
Applicant: 华侨大学
Abstract: 本发明提供一种基于GRU网络的主用户数目估计方法，涉及通信技术中认知无线电领域。本估计方法包括离线训练阶段和在线识别阶段。离线训练阶段包括：S1、获取已知信号；S2、计算已知信号对应的归一化总功率 S3、生成Ns×1观测向量；S4、数据标定；S5、生成打有标签的训练数据集；S6、训练GRU网络模型。在线识别阶段包括：S7、接收未知信号x(t)；S8、计算信号x(t)对应的归一化总功率 S9、生成Ns×1观测向量；S10、将主用户数目未知信号的观测向量送入训练好的GRU网络模型，得到主用户数目估计结果。本发明方法，引入深度学习的思想，充分考虑接收信号的时域相关性和网络模型复杂度，利用GRU网络，能够在较少人工干预下有效估计出主用户数目。
-
公开(公告)号：CN111612097B
公开(公告)日：2023-02-07
申请号：CN202010488065.0
申请日：2020-06-02
Applicant: 华侨大学
IPC: G06F18/214 , G06F18/213 , G06F18/24 , G06N3/0442
Abstract: 本发明提供一种基于GRU网络的主用户数目估计方法，涉及通信技术中认知无线电领域。本估计方法包括离线训练阶段和在线识别阶段。离线训练阶段包括：S1、获取已知信号；S2、计算已知信号对应的归一化总功率S3、生成Ns×1观测向量；S4、数据标定；S5、生成打有标签的训练数据集；S6、训练GRU网络模型。在线识别阶段包括：S7、接收未知信号x(t)；S8、计算信号x(t)对应的归一化总功率S9、生成Ns×1观测向量；S10、将主用户数目未知信号的观测向量送入训练好的GRU网络模型，得到主用户数目估计结果。本发明方法，引入深度学习的思想，充分考虑接收信号的时域相关性和网络模型复杂度，利用GRU网络，能够在较少人工干预下有效估计出主用户数目。
-
公开(公告)号：CN111988102A
公开(公告)日：2020-11-24
申请号：CN202010895307.8
申请日：2020-08-31
Applicant: 华侨大学
IPC: H04B17/391 , H04L12/24 , H04W16/14
Abstract: 本发明提供一种基于GRU网络的MAC信息识别方法、装置、设备及存储介质，方法包括：通过训练得到不同信道下的MAC信息识别网络模型和信道类型识别网络模型；接收待识别信号；计算待识别信号的信号功率；通过选取所述信号功率中若干个采样点，以作为信道识别观测向量和MAC信息识别观测向量；利用信道类型识别网络模型对信道识别观测向量进行识别，得到信道类型识别结果；根据信道类型识别结果，选择MAC信息识别网络模型对所述MAC信息识别观测向量进行识别，以判断待识别信号的主用户数与MAC协议类型。本发明考虑到MAC协议信号的时域相关性，利用GRU网络善于处理时序序列的特点，能先识别出信道类型，接着在确定信道类型下识别出MAC协议类型以及主用户的数目。
-
公开(公告)号：CN111988102B
公开(公告)日：2022-03-04
申请号：CN202010895307.8
申请日：2020-08-31
Applicant: 华侨大学
IPC: H04B17/391 , H04L41/14 , H04L41/147 , H04W16/14
Abstract: 本发明提供一种基于GRU网络的MAC信息识别方法、装置、设备及存储介质，方法包括：通过训练得到不同信道下的MAC信息识别网络模型和信道类型识别网络模型；接收待识别信号；计算待识别信号的信号功率；通过选取所述信号功率中若干个采样点，以作为信道识别观测向量和MAC信息识别观测向量；利用信道类型识别网络模型对信道识别观测向量进行识别，得到信道类型识别结果；根据信道类型识别结果，选择MAC信息识别网络模型对所述MAC信息识别观测向量进行识别，以判断待识别信号的主用户数与MAC协议类型。本发明考虑到MAC协议信号的时域相关性，利用GRU网络善于处理时序序列的特点，能先识别出信道类型，接着在确定信道类型下识别出MAC协议类型以及主用户的数目。
-
-
-
Search Results
4
records
(took 0.017 seconds)
