公开(公告)号：CN119865823A

公开(公告)日：2025-04-22

申请号：CN202411973816.2

申请日：2024-12-30

Applicant: 同济大学

Inventor： 刘剑锋 ,  黄新林 ,  王盛宇 ,  兰蒙

IPC: H04W16/14 ,  H04W72/542 ,  H04W72/0453 ,  H04W72/0457

Abstract: 本发明属于基于压缩频谱感知的认知无线电技术领域，具体涉及一种基于确定性评估模型的自适应压缩频谱感知方法。首先，在自适应压缩频谱感知的每个感知区间，提出了一种新的信号重构算法，该算法将先验知识融入到块稀疏信号的l2，1范数最小化中。其次，推导出了重构信号误差的CDF，并将其作为观测样本采集的停止准则。最后，利用能量检测法处理当前重构的频谱信号，得到对应的频谱使用状态。该方法在提高频谱感知精度的同时，为感知结果提供了确定性保障。

公开(公告)号：CN118764114A

公开(公告)日：2024-10-11

申请号：CN202410795814.2

申请日：2024-06-19

Applicant: 同济大学

Inventor： 黄新林 ,  王盛宇 ,  刘剑锋 ,  李鹏飞 ,  何婉宁 ,  兰蒙

IPC: H04B17/382 ,  H04B17/391 ,  H04W74/0816 ,  G06N3/0442 ,  G06N3/092

Abstract: 本发明中提出了一种基于LSTM和Q‑Learning融合的快速收敛动态频谱接入方法，该方法首先采用长短时记忆网络(LSTM)构建认知用户的在线学习模型，根据信道接入的实时ACK消息反馈，将其作为模型输入，得到所有可接入信道的预测占用概率，其次将在线学习模型学到的信道占用预测概率和Q‑Learning强化学习算法的状态动作Q值表相结合，得到新的Q值策略矩阵，认知用户根据该联合策略矩阵进行动态频谱接入，经多次接入迭代后，得到每一种频谱状态条件下的最优频谱接入策略，达到快速收敛到系统最优性能的目的。

公开(公告)号：CN119907023A

公开(公告)日：2025-04-29

申请号：CN202510084714.3

申请日：2025-01-20

Applicant: 同济大学

Inventor： 兰蒙 ,  黄新林 ,  刘剑锋 ,  王盛宇 ,  凌子寒 ,  汤昊晨 ,  徐中伟

IPC: H04W24/02 ,  H04W4/02 ,  H04W4/42 ,  H04B17/373 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0475

Abstract: 本发明属于通信技术、神经网络领域，提供了一种基于位置信息编码和周期非线性神经网络的车地无线信道预测方法，适用于车地无线通信系统的优化。其具体步骤如下：S1：采集列车的位置信息及无线信道实例，对采集到的信道实例进行位置编码，将信道实例映射到高维的傅里叶特征空间；S2：整合周期非线性神经网络，构建生成式深度神经网络，基于位置信息编码和周期非线性神经网络对信道实例进行学习和建模；S3：应用训练好的模型进行实时信道预测，支持无线通信系统的动态优化。本发明提高了车地无线信道预测的精度和效率，具有显著的技术优势。