公开(公告)号：CN114662552B

公开(公告)日：2024-11-22

申请号：CN202011536524.4

申请日：2020-12-23

Applicant: 山东大学

Inventor： 马丕明 ,  陈梦寒 ,  凌洁 ,  王一竹

IPC: G06F18/214 ,  G06N3/0464

Abstract: 一种基于深度学习的增量调制识别模型生成方法，属无线通信的非协作通信领域。该模型包括0阶段及顺序排列的后续阶段,其中0阶段包含数据处理模块和原始网络训练模块；之后的每个阶段包含数据处理模块和增量学习模块；其中各个阶段中的数据处理模块与原始网络训练模块或增量学习模块相连接，该方法以数字调制信号为研究对象，通过数据处理模块将调制信号转换成可用于训练模型的形式来对模型进行增量训练，训练后更新模型使其能准确识别本阶段及本阶段以前的调制信号，减少了模型重新训练的时间，更贴近于实际应用场合。

公开(公告)号：CN114662552A

公开(公告)日：2022-06-24

申请号：CN202011536524.4

申请日：2020-12-23

Applicant: 山东大学

Inventor： 马丕明 ,  陈梦寒 ,  凌洁 ,  王一竹

IPC: G06K9/62 ,  G06N3/04

Abstract: 一种基于深度学习的增量调制识别模型生成方法，属无线通信的非协作通信领域。该模型包括0阶段及顺序排列的后续阶段,其中0阶段包含数据处理模块和原始网络训练模块；之后的每个阶段包含数据处理模块和增量学习模块；其中各个阶段中的数据处理模块与原始网络训练模块或增量学习模块相连接，该方法以数字调制信号为研究对象，通过数据处理模块将调制信号转换成可用于训练模型的形式来对模型进行增量训练，训练后更新模型使其能准确识别本阶段及本阶段以前的调制信号，减少了模型重新训练的时间，更贴近于实际应用场合。

公开(公告)号：CN115474276B

公开(公告)日：2024-03-19

申请号：CN202110650189.9

申请日：2021-06-10

Applicant: 山东大学

Inventor： 马丕明 ,  陈梦寒 ,  张周 ,  王彤彤

IPC: H04W72/0453 ,  H04W72/044 ,  G06N3/08

Abstract: 基于深度学习的多小区蜂窝网络下行链路资源分配方法，属于无线通信技术领域。该方法基于蜂窝网络通信系统，系统中各小区中心基站通过不同子载波以不同功率向小区内用户发送业务信息。通过引入深度学习的相关方法，训练神经网络拟合针对该蜂窝网络给出的传统子载波和功率分配算法。拟合完成后，该神经网络能够根据小区设置和输入的信道状态信息即时给出分配方案，提高资源分配方案求解速度，更贴近于实际应用场合。

公开(公告)号：CN115474276A

公开(公告)日：2022-12-13

申请号：CN202110650189.9

申请日：2021-06-10

Applicant: 山东大学

Inventor： 马丕明 ,  陈梦寒 ,  张周 ,  王彤彤

IPC: H04W72/04 ,  G06N3/08

Abstract: 基于深度学习的多小区蜂窝网络下行链路资源分配方法，属于无线通信技术领域。该方法基于蜂窝网络通信系统，系统中各小区中心基站通过不同子载波以不同功率向小区内用户发送业务信息。通过引入深度学习的相关方法，训练神经网络拟合针对该蜂窝网络给出的传统子载波和功率分配算法。拟合完成后，该神经网络能够根据小区设置和输入的信道状态信息即时给出分配方案，提高资源分配方案求解速度，更贴近于实际应用场合。