-
公开(公告)号：CN116567665A
公开(公告)日：2023-08-08
申请号：CN202310395281.4
申请日：2023-04-13
Applicant: 桂林理工大学
Abstract: 本发明提供一种抗干扰CSMA/CA协议执行方法、装置及存储介质，基于CSMA/CA协议和决策调整参数构建抗干扰CSMA/CA协议；感知当前环境状态，根据epsilon‑greedy在预设决策集合中获得当前环境状态的决策；将决策分发给通信节点，通信节点根据决策进行抗干扰CSMA/CA协议的任务，感知下一个环境状态；计算当前环境状态下选取决策所获得的经验值；通过Q学习进行Q值优化处理，当前环境状态转移到下一个环境状态。本发明优化累计经验值来找到最优的决策调整参数，通过决策调整参数来获得新决策，抗干扰CSMA/CA协议按新决策执行，从而达到对不同环境做出更为合理的退避决策，提高了CSMA/CA协议的抗干扰性能。
-
公开(公告)号：CN115795754A
公开(公告)日：2023-03-14
申请号：CN202211441698.1
申请日：2022-11-17
Applicant: 桂林理工大学
IPC: G06F30/18 , G06F30/27 , G06F119/02
Abstract: 本发明涉及一种基于深度学习的干扰效果评估方法以及系统，其方法包括如下步骤：构建神经网络模型，并利用模型训练数据训练神经网络模型，得到干扰评估模型；其中，模型训练数据包括正常通信数据、干扰通信数据以及复合通信数据；正常通信数据为未施加干扰时的通信波形数据；干扰通信数据为施加大功率密集干扰且干扰成功后的通信波形数据；复合通信数据为干扰信号的功率小于有用信号功率时的通信波形数据；采集处于通信干扰下的通信信号，得到感知波形数据；将感知波形数据输入干扰评估模型进行评估，得出干扰效果评估结果；本发明便于在电子对抗中，干扰方能够正确的判断其干扰是否有效。
-
公开(公告)号：CN111934786B
公开(公告)日：2021-12-24
申请号：CN202010750013.6
申请日：2020-07-30
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于深度强化学习的信号隐蔽抗干扰方法和装置，其方法包括：用户通过接收机接收当前时刻的环境状态信息，基于深度强化学习网络选择当前时刻的用户决策，并将用户决策保存至预设的历史决策序列表中，将用户决策发送至接收机，由接收机控制发射机发射用户信号；基于干扰决策估计网络将干扰决策与用户历史决策序列进行拟合处理，得到网络误差值并将其作为用户当前时刻的瞬时回报，据此更新深度强化学习网络，基于更新后的深度强化学习网络对环境状态信息进行拟合处理，选择下一时刻的用户决策。本发明通过不断进行数据训练，深度强化学习网络得到下一时刻信道选择的最优解，不仅能够提高抗干扰性能，同时避免用户信息泄露。
-
公开(公告)号：CN110867196A
公开(公告)日：2020-03-06
申请号：CN201911222026.X
申请日：2019-12-03
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于深度学习及声音识别的机器设备状态监测系统。包括训练数据采集模块采集声音信号；人工标记模块对声音信号进行标记形成声音样本库；声音样本经预处理和特征提取被送入预设神经网络模型进行训练；实时数据采集模块采集声音信号并送入训练后的神经网络模型；状态识别模块结合人工经验通过声音信号对机器运行状态进行综合识别判断，并将结果进行反馈及输出。本发明不仅可以实时监测机器设备运行状态，同时在机器设备发生故障或处于危险状态时发出报警信号，通知设备管理员及时进行维护，提高工作效率；同时由于采用深度学习算法结合人工经验对神经网络模型进行训练，因而具有识别准确性高、安全性好、效率高和智能化等优点。
-
公开(公告)号：CN118713776A
公开(公告)日：2024-09-27
申请号：CN202311691876.0
申请日：2023-12-11
Applicant: 桂林理工大学
IPC: H04B17/382 , H04W16/16
Abstract: 本发明涉及一种轻量化强化学习动态频谱抗干扰方法及装置,包括：第一阶段：收集训练无人机与基站通信过程中所感知的频谱状态，得到频谱瀑布图；将训练无人机的频谱瀑布图作为状态输入到DQN算法中，利用DQN算法对频谱瀑布图进行分析，得到N个Q值向量；通过K‑means方法对Q值向量进行聚类分析，得到K个独立的簇，并对频谱数据进行标记，通过标记后的频谱数据对状态聚类网络进行训练；最后将训练好的状态聚类网络模型部署在任务无人机上。第二阶段：获取任务无人机的频谱瀑布图；将其作为状态聚类网络的输入进行聚类，得到状态聚类结果；将状态聚类结果输入到Q‑learning中，基于Q‑learning学习在线抗干扰策略。本发明用于无人机通信领域。
-
Patent Agency Ranking
公开(公告)号：CN114090696A
公开(公告)日：2022-02-25
申请号：CN202111192480.2
申请日：2021-10-13
Applicant: 桂林理工大学
Abstract: 本发明涉及一种环境音大数据可视化系统及方法，系统包括后端服务器、环境音固定采集装置、环境音移动采集装置、MYSQL数据库、前端服务器、电脑端和移动端，环境音固定采集装置和环境音移动采集装置进行环境音数据采集，并通过后端服务器和前端服务器进行环境音数据处理，将处理后的数据发送电脑端和移动端的环境音可视化页面进行显示。本发明以多端采集的形式对环境音频数据进行采集，通过后端服务器将各个装置进行连接，并通过MYSQL数据库保存各种数据，前端服务器能够构建环境音可视化页面，并对环境音频数据进行识别处理，将识别后的信息显示在环境音可视化页面中，实现了固定以及移动的城市环境音大数据监测观察。
-
公开(公告)号：CN111934786A
公开(公告)日：2020-11-13
申请号：CN202010750013.6
申请日：2020-07-30
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于深度强化学习的信号隐蔽抗干扰方法和装置，其方法包括：用户通过接收机接收当前时刻的环境状态信息，基于深度强化学习网络选择当前时刻的用户决策，并将用户决策保存至预设的历史决策序列表中，将用户决策发送至接收机，由接收机控制发射机发射用户信号；基于干扰决策估计网络将干扰决策与用户历史决策序列进行拟合处理，得到网络误差值并将其作为用户当前时刻的瞬时回报，据此更新深度强化学习网络，基于更新后的深度强化学习网络对环境状态信息进行拟合处理，选择下一时刻的用户决策。本发明通过不断进行数据训练，深度强化学习网络得到下一时刻信道选择的最优解，不仅能够提高抗干扰性能，同时避免用户信息泄露。
-
公开(公告)号：CN111934714A
公开(公告)日：2020-11-13
申请号：CN202010704801.1
申请日：2020-07-21
Applicant: 桂林理工大学
Abstract: 本发明提供一种抗干扰通信方法及装置，方法包括：发射设备对待发送信号进行信号跳频处理，得到跳频信号；干扰设备对所述跳频信号进行干扰计算，得到干扰信号；接收设备对所述干扰信号进行解码处理，得到传输码元信息。本发明对于通信双方距离较远且发射端发射功率较小的情况，在跟踪式干扰的环境下，利用干扰设备较大的干扰功率帮助发射端发送信号至接收端，保证了信号的正确性，同时利用了交织编译码技术，增强了在通信过程中抗突发性差错的能力。
-
公开(公告)号：CN119485623A
公开(公告)日：2025-02-18
申请号：CN202411513683.0
申请日：2024-10-28
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于深度强化学习的多智能频率决策通信方法，包括7个步骤：S1：系统初始化；S2：构建基于深度强化学习的多智能频率决策通信模型；S3：频率的选择；S4：频率同步，数据传输与确认；S5：性能评估与奖励机制；S6：迭代与自适应调整；S7：干扰管理与应对。本发明提供的一种基于深度强化学习的多智能频率决策通信方法，通过改进后的智能频率选择通信架构。在此基础上，我们还设计了一种基于三智能体的深度强化学习算法，用于学习各节点的最优响应策略，从而在有效规避干扰信号的同时，实现节点间的频率同步。
-
公开(公告)号：CN110867196B
公开(公告)日：2024-04-05
申请号：CN201911222026.X
申请日：2019-12-03
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于深度学习及声音识别的机器设备状态监测系统。包括训练数据采集模块采集声音信号；人工标记模块对声音信号进行标记形成声音样本库；声音样本经预处理和特征提取被送入预设神经网络模型进行训练；实时数据采集模块采集声音信号并送入训练后的神经网络模型；状态识别模块结合人工经验通过声音信号对机器运行状态进行综合识别判断，并将结果进行反馈及输出。本发明不仅可以实时监测机器设备运行状态，同时在机器设备发生故障或处于危险状态时发出报警信号，通知设备管理员及时进行维护，提高工作效率；同时由于采用深度学习算法结合人工经验对神经网络模型进行训练，因而具有识别准确性高、安全性好、效率高和智能化等优点。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.022 seconds)
