-
公开(公告)号：CN118449864A
公开(公告)日：2024-08-06
申请号：CN202410154759.9
申请日：2024-02-04
Applicant: 哈尔滨工程大学
IPC: H04L41/12 , H04L41/14 , H04L41/142 , H04W40/02
Abstract: 一种基于多属性融合决策得分的关键节点识别方法，它涉及一种关键节点识别方法。本发明为了解决面对复杂的通信网络拓扑结构时，传统单一中心性度量方式自身存在局限性的问题。本发明根据通信网络中各节点的通信事件进行多维霍克斯分析挖掘节点间的通联关系，获取网络拓扑结构及节点邻接关系；结合拓扑结构计算各个节点的介数中心性、紧密中心性并结合改进的K‑shell算法得到的节点中心性值，构造规范化决策矩阵；计算各节点的SIR值，结合规范化决策矩阵选用灰色关联及信息熵思想计算三种中心性属性的权重；计算各节点的多属性决策得分值作为各个节点的综合影响力；根据节点综合影响力的排序结果实现对于网络的关键节点识别。
-
公开(公告)号：CN116846509A
公开(公告)日：2023-10-03
申请号：CN202310666954.5
申请日：2023-06-07
Applicant: 哈尔滨工程大学
IPC: H04K3/00 , G06N3/0499 , G06N3/092
Abstract: 本发明提出一种基于隐式对手建模的强化学习抗干扰通信方法。该方法包括：搭建一对一通信抗干扰模型，通信节点获取强化学习智能干扰节点干扰频段信息，将此信息与通信节点通信频段信息结合为隐含干扰节点建模信息的环境状态，将此环境状态送至神经网络处理，根据贪婪算法选出通信频段，通信完成后将选择的频段，此时的奖励，环境状态与下一时隙环境状态组成经验元组输入到经验回放池中，按照样本新旧优先级产生不等概率，依概率抽取经验，优化神经网络参数。本发明利用干扰节点历史干扰信息，对其隐式建模，结合深度强化学习算法以获取抵抗该智能干扰的能力。
-
公开(公告)号：CN117061356A
公开(公告)日：2023-11-14
申请号：CN202310885844.8
申请日：2023-07-19
Applicant: 哈尔滨工程大学
Abstract: 本发明属于通信网络拓扑结构推理技术领域，具体涉及一种面向感知网络的目标通信网络拓扑结构还原方法。本发明包括使用感知网络持续接收目标通信网络辐射的信号；以固定的时间间隔从连续采集的接收信号中提取离散的通信事件；将所有的通信事件建模为改进多维霍克斯过程，整理出似然函数；利用期望最大化算法求解似然函数，从解图结构中提取目标通信网络拓扑结构。本发明将感知网络接收的目标通信网络通信事件建模为统一的模型，能够综合考虑感知网络节点和通信网络节点对通信的影响；输出的是感知网络和目标通信网络综合的图结构表达，比一般的矩阵表现力更丰富，通过期望最大算法多次迭代即可算得最终的感知网络与目标通信网络的图结构。
-
公开(公告)号：CN116684233A
公开(公告)日：2023-09-01
申请号：CN202310710751.1
申请日：2023-06-15
Applicant: 哈尔滨工程大学
Abstract: 一种基于图像显著性检测的通信信号调制识别方法，它涉及一种通信信号调制识别方法。本发明为了解决现有通信信号调制识别方法不能在低信噪比情况下有效去除时频图像中背景噪声，导致对通信信号的调制识别准确率较低的问题。本发明能够在低信噪比情况下有效去除时频图像中的背景噪声，提高对通信信号的调制识别准确率。本发明属于通信信号调制识别技术领域。
-
公开(公告)号：CN117295100B
公开(公告)日：2025-02-07
申请号：CN202311162313.2
申请日：2023-09-11
Applicant: 哈尔滨工程大学
IPC: H04W24/06 , H04W72/541 , H04W72/53 , G06N3/0442 , G06N3/092 , G06N3/084
Abstract: 一种基于多智能体强化学习的通信干扰资源分配方法，它涉及一种通信干扰资源分配方法。本发明为了解决现有干扰决策算法没有考虑到随着多智能体数量的增加，动作空间和状态空间会快速增长，算法可能难以收敛的问题。本发明在多智能体近端策略优化算法的基础上提出了一种选择性经验存储策略的多智能体近端策略优化算法，对进入经验池的经验进行选择性存储，提高算法的收敛能力，并在多智能体近端策略优化算法中添加了注意力机制。本发明属于通信技术领域。
-
Patent Agency Ranking
公开(公告)号：CN118152850A
公开(公告)日：2024-06-07
申请号：CN202410217902.4
申请日：2024-02-28
Applicant: 哈尔滨工程大学
IPC: G06F18/24 , G06N3/0464 , G06N3/0985 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/77 , G06V10/52
Abstract: 一种基于元学习的小样本通信信号调制识别方法，它涉及一种小样本通信信号调制识别方法。本发明为了解决在复杂电磁环境的干扰下，会面临信号难以获得、可靠样本数据量过少的问题。本发明的步骤包括步骤1、处理信号数据集；步骤2、搭建网络模型MSE‑ResNet；步骤3、构建类原型度量模块MML；步骤4、利用训练任务集合训练MML‑MSE‑ResNet模型，将测试任务输入训练好的模型中输出识别结果。本发明属于通信技术领域。
-
公开(公告)号：CN117295100A
公开(公告)日：2023-12-26
申请号：CN202311162313.2
申请日：2023-09-11
Applicant: 哈尔滨工程大学
IPC: H04W24/06 , H04W72/541 , H04W72/53 , G06N3/0442 , G06N3/092 , G06N3/084
Abstract: 一种基于多智能体强化学习的通信干扰资源分配方法，它涉及一种通信干扰资源分配方法。本发明为了解决现有干扰决策算法没有考虑到随着多智能体数量的增加，动作空间和状态空间会快速增长，算法可能难以收敛的问题。本发明在多智能体近端策略优化算法的基础上提出了一种选择性经验存储策略的多智能体近端策略优化算法，对进入经验池的经验进行选择性存储，提高算法的收敛能力，并在多智能体近端策略优化算法中添加了注意力机制。本发明属于通信技术领域。
-
公开(公告)号：CN117081932A
公开(公告)日：2023-11-17
申请号：CN202310885839.7
申请日：2023-07-19
Applicant: 哈尔滨工程大学
IPC: H04L41/12 , H04L41/16 , H04W24/02 , G06N3/0464 , G06N3/092
Abstract: 本发明属于通信网络拓扑结构推理技术领域，具体涉及一种面向大规模目标无线通信网络的拓扑结构推理方法。本发明适用于非合作场景，且适用于大规模通信网络，还原大规模通信网络的效率高，能在前期挖掘出大部分的通联关系。本发明以强化学习的方式找出最优的通联关系分析顺序，以图卷积神经网络的方式表示网络还原中复杂的状态‑动作‑奖励‑观测四元组，不影响最高网络还原程度，相比于一般的网络拓扑结构推理方法具有效率高的优势，能够在整个还原过程前期实现大部分目标网络中有通联关系的拓扑结构的还原。
-
公开(公告)号：CN116996389A
公开(公告)日：2023-11-03
申请号：CN202310885841.4
申请日：2023-07-19
Applicant: 哈尔滨工程大学
IPC: H04L41/12 , H04W72/0453 , H04W72/542
Abstract: 本发明属于通信网络拓扑结构推理技术领域，具体涉及一种非合作无线通信网络的拓扑结构跟踪方法。本发明适用于非合作场景，同时适用于时变通信网络，在目标无线通信网络节点信号消失时能快速找到节点新的发送信号频点。本发明中跟踪目标无线通信网络节点采用线性自回归的格兰杰因果分析方法，比采用非线性映射的调制识别及辐射源识别更加简洁高效，用格兰杰因果分析匹配信号相比于调制识别与辐射源识别的方式更不容易受到干扰，以较高效率挖掘变化节点可能存在的新的通联关系。
-
公开(公告)号：CN116684960A
公开(公告)日：2023-09-01
申请号：CN202310709655.5
申请日：2023-06-15
Applicant: 哈尔滨工程大学
Abstract: 一种基于改进灰狼优化算法的锚节点优选方法，它涉及一种锚节点优选方法。本发明为了解决对TDOA测量误差和锚节点位置误差同时存在的定位场景，缺少可供参考的锚节点优选解决方案的问题。本发明采用余弦退火收敛因子，使收敛因子在迭代前期值更高，衰减速度更缓慢，而在迭代后期，使收敛因子值更小，衰减速度更快，有利于增强迭代前期的全局探索能力和迭代后期的局部精确求解能力。本发明属于通信辐射源定位技术领域。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.036 seconds)
