基于速率分割多址接入的预编码优化安全传输方法

    公开(公告)号:CN114786182A

    公开(公告)日:2022-07-22

    申请号:CN202210422816.8

    申请日:2022-04-21

    Abstract: 基于速率分割多址接入的预编码优化安全传输方法,涉及通信技术领域,针对现有技术中无线传输安全性低的问题,本申请作为速率分割多址接入网络中安全通信的新方案,针对速率分割多址接入网络的安全传输问题展开了细致研究,考虑到物理层安全的技术优势,将速率分割多址接入与物理层安全技术中的预编码优化结合起来,利用发射端多天线预编码向量设计,提升共有信息的可达传输速率的同时,有效保障了私有信息的安全性。本发明优化方案无需消耗额外功率资源,预编码优化算法计算复杂度低,安全性能提升效果明显,为速率分割多址接入系统的安全方案提供了重要的技术参考。

    基于单元格扫描和GPS轨迹插值的农机耕作面积测算方法

    公开(公告)号:CN106247926B

    公开(公告)日:2019-05-14

    申请号:CN201610551044.2

    申请日:2016-07-13

    Abstract: 基于单元格扫描和GPS轨迹插值的农机耕作面积测算方法,涉及基于GPS轨迹信息的农机耕作面积测算技术。本发明是为了解决现有的农机耕作面积测算方法测算精度低的问题。本发明通过对上传经纬度点进行插值处理标记已耕地的面积,利用插值使面积测算的精度达到一个很高的水平。然后根据坐标值判断出XY方向上的最值,确定出该段耕地路径的一个外切矩形;以农机设备的耕作幅宽为边长作为单元格,以此单元格从外切矩形的一端进行累加扫描,如果单元格内存在插值点则进行累加记录,最后通过累加单元格的数量计算得到最终耕地面积。本发明适用于农机耕作面积测算场合。

    一种鲁棒通信信号调制识别方法

    公开(公告)号:CN104378176A

    公开(公告)日:2015-02-25

    申请号:CN201410680905.8

    申请日:2014-11-24

    CPC classification number: H04L1/0009 H04L1/0079

    Abstract: 一种鲁棒通信信号调制识别方法,涉及通信信号调制识别方法。本发明为了解决传统AMR算法需要训练多个识别器以保证在较大信噪比范围内的有效性的问题,即在训练阶段需要针对不同信噪比环境分别训练识别器而导致的工作量巨大的问题。本发明对通信信号样本s(t)进行魏格纳(Wigner-Ville)变换得到s(t)的WVD分布后,提取二阶立体自相关特征,建立二阶立体自相关特征集,然后对二阶立体自相关特征进行遴选形成鲁棒特征集,之后训练建立一类支持向量机组并计算一类支持向量机组的输出函数Yi(x);计算待识别通信信号样本sx(t)属于通信信号样本s(t)中包含的各种调制方式的概率选取概率最大的调制类别做为最终的调制识别结果。本发明适用于通信信号的调制识别。

    数字预失真下有限样本场景中辐射源个体识别方法

    公开(公告)号:CN119226914A

    公开(公告)日:2024-12-31

    申请号:CN202410760995.5

    申请日:2024-06-13

    Abstract: 数字预失真下有限样本场景中辐射源个体识别方法,本发明涉及辐射源个体识别方法,属于辐射源个体识别领域。本发明的目的是为了解决实际部署时DPD技术的应用以及在线SEI部署时数据不足等导致辐射源个体识别准确率低的问题。数字预失真下有限样本场景中辐射源个体识别方法具体过程为:对采集到的信号进行预处理,得到HHT、ITD‑Hilbert、CWT、CWD和GT;分别对HHT图、ITD‑Hilbert图、CWT图、CWD图和GT图进行预处理,构建数据集;构建FS‑SEI网络模型;FS‑SEI网络模型包括CNN网络模型和关系网络模型;CNN网络模型依次包括特征提取器和分类器;对CNN FS‑SEI网络模型进行训练,获得训练好的FS‑SEI网络模型;将测试集输入训练好的FS‑SEI网络模型,训练好的FS‑SEI网络模型输出测试集的类别。

    基于深度Q学习的移动边缘计算中卸载决策方法及系统

    公开(公告)号:CN114706631B

    公开(公告)日:2022-10-25

    申请号:CN202210427768.1

    申请日:2022-04-22

    Abstract: 基于深度Q学习的移动边缘计算中卸载决策方法及系统,它属于移动边缘计算系统中移动设备的卸载决策技术领域。本发明解决了现有移动边缘计算系统中卸载决策过程产生的时延大、能耗高的问题。本发明将深度强化学习算法应用到移动边缘计算中的卸载决策问题,根据系统中建立的本地计算队列,任务传输队列,边缘服务器队列等任务调度模型,设计对应的系统状态,动作和奖励方程。通过对比本发明方法与其他算法的平均时延和能耗,可以得出,本发明的卸载决策方法极大的降低了移动边缘计算系统中卸载决策过程产生的时延与能耗。本发明方法可以应用于移动边缘计算系统中移动设备的卸载决策。

    面向测土配方变量施肥应用的自动土样采集装置

    公开(公告)号:CN106405126B

    公开(公告)日:2017-11-07

    申请号:CN201610710094.0

    申请日:2016-08-23

    Abstract: 面向测土配方变量施肥应用的自动土样采集装置,涉及一种自动土样采集装置。是为了解决现有的测土配方施肥过程中存在土样采集费时费力的问题。本发明采用了动力学原理自动取土的方式,配合深松过程中深松铲的上下运动和农机的前进运动即可提供采土所需的动力,无需加装动力装置,易于操作和实现。通过控制电磁铁来实现样本盒的移动,从而实现不同地点土壤的分离保存,实现多个样本分别采样和分别保存。利用GPS定位信息可以记录每一个采样点的经纬度坐标,对每一块样土实现精确定位。本发明适用于测土配方变量施肥应用的自动土样采集场合。

    一种基于排序学习的农机深松作业质量评价方法

    公开(公告)号:CN107122922A

    公开(公告)日:2017-09-01

    申请号:CN201710371669.5

    申请日:2017-05-23

    Abstract: 一种基于排序学习的农机深松作业质量评价方法,解决了现有对农机深松作业质量的评价未采用客观的评价体系的问题。所述方法包括:采集多台农机在一次深松作业中的作业数据的步骤:作业数据包括多个等间隔时间节点和农机的深耕犁在每个时间节点下的经度、纬度、三轴加速度、三轴角速度和耕地深度数据;对农机作业数据进行预处理的步骤;从预处理后的作业数据中提取作业特征值,并将特征值与其对应的标签值作为训练样本集的步骤:特征值包括地块轨迹规整度、农机单位里程内的不良作业行为数量和耕地深度稳定值;采用排序学习法对训练样本集进行训练得到最优农机深松作业质量评价模型的步骤。采用该模型对农机的深松作业质量进行评价的步骤。

Patent Agency Ranking