-
公开(公告)号：CN114980178A
公开(公告)日：2022-08-30
申请号：CN202210630724.9
申请日：2022-06-06
Applicant: 厦门大学马来西亚分校
Abstract: 本发明提出了一种基于强化学习的分布式PD‑NOMA水声网络通信方法及系统，方法包括：构建节点决策框架，节点决策框架包括两个并联的DQN网络；将全体节点的当前状态分别输入到两个并联的DQN网络中，进行群体分组和功率控制的动作选择；将每个节点获得的群体分组和功率控制的结果发送至CH，CH根据预设的奖励机制回馈不同的奖励；将每个节点的“状态”、“动作”、“奖励”以及“下一状态”作为经验样本存储到经验池中；以及采用经验优选回放算法不断从经验池中抽取经验样本以训练DQN网络。节点可以自主进行分组选择、功率控制，适应水声网络动态变化，以分布式方式获得网络性能的次优解。可以提高网络通信效率，可达高吞吐量、低耗能、低时延。
-
公开(公告)号：CN114785379A
公开(公告)日：2022-07-22
申请号：CN202210621661.0
申请日：2022-06-02
Applicant: 厦门大学马来西亚分校
Inventor： 陈漩楚
IPC: H04B1/715 , H04B11/00 , H04B13/02 , H04B17/309
Abstract: 本发明提出一种基于分数低阶时频谱和自适应瑞利熵门限去噪的水声JANUS信号参数估计方法及系统。针对水声JANUS信号参数估计问题，提出基于分数低阶时频谱和自适应瑞利熵门限去噪方法，该方法首先对水声JANUS信号做分数低阶傅里叶同步压缩变换（FLOFSST），再结合瑞利熵量化分析时频能量聚集度，寻找能最大程度去除时频底噪的门限，减小了时频底噪，进一步估计JANUS信号的跳周期、跳时刻和跳频率。仿真和实测表明，该方法能准确估计JANUS信号参数，相比基于自适应能量门限去噪方法的参数估计误差更小。
-
公开(公告)号：CN114980178B
公开(公告)日：2024-08-02
申请号：CN202210630724.9
申请日：2022-06-06
Applicant: 厦门大学马来西亚分校
IPC: H04W24/02 , G06N3/0442 , G06N3/092 , G06N20/00 , H04B13/02
Abstract: 本发明提出了一种基于强化学习的分布式PD‑NOMA水声网络通信方法及系统，方法包括：构建节点决策框架，节点决策框架包括两个并联的DQN网络；将全体节点的当前状态分别输入到两个并联的DQN网络中，进行群体分组和功率控制的动作选择；将每个节点获得的群体分组和功率控制的结果发送至CH，CH根据预设的奖励机制回馈不同的奖励；将每个节点的“状态”、“动作”、“奖励”以及“下一状态”作为经验样本存储到经验池中；以及采用经验优选回放算法不断从经验池中抽取经验样本以训练DQN网络。节点可以自主进行分组选择、功率控制，适应水声网络动态变化，以分布式方式获得网络性能的次优解。可以提高网络通信效率，可达高吞吐量、低耗能、低时延。
-
公开(公告)号：CN114785379B
公开(公告)日：2023-09-22
申请号：CN202210621661.0
申请日：2022-06-02
Applicant: 厦门大学马来西亚分校
Inventor： 陈漩楚
IPC: H04B1/715 , H04B11/00 , H04B13/02 , H04B17/309
Abstract: 本发明提出一种基于分数低阶时频谱和自适应瑞利熵门限去噪的水声JANUS信号参数估计方法及系统。针对水声JANUS信号参数估计问题，提出基于分数低阶时频谱和自适应瑞利熵门限去噪方法，该方法首先对水声JANUS信号做分数低阶傅里叶同步压缩变换（FLOFSST），再结合瑞利熵量化分析时频能量聚集度，寻找能最大程度去除时频底噪的门限，减小了时频底噪，进一步估计JANUS信号的跳周期、跳时刻和跳频率。仿真和实测表明，该方法能准确估计JANUS信号参数，相比基于自适应能量门限去噪方法的参数估计误差更小。
-
-
-
Search Results
4
records
(took 0.02 seconds)
