一种无人机融合控制方法及装置

    公开(公告)号:CN113207106B

    公开(公告)日:2022-09-20

    申请号:CN202110357470.3

    申请日:2021-04-01

    Abstract: 本发明实施例提供了一种无人机融合控制方法及装置。确定目标区域,以及雷达探测的探测精度;确定公有速率上限值,以及私有速率上限值;基于预设波束赋形矩阵和预设公有速率分配向量,利用无人机的预设能效函数,在目标区域中确定目标部署位置;基于目标部署位置,利用预设能效函数,确定目标波束赋形矩阵以及目标公有速率分配向量;执行基于预设波束赋形矩阵和预设公有速率分配向量,利用无人机的预设能效函数,在目标区域中确定无人机的目标部署位置的步骤,直至误差小于预设误差阈值。通过本发明实施例提供的技术方案,有效保证无人机在综合通信功能与雷达探测功能后,在保证传输速率的前提下,有效减少无人机的能耗,提高无人机的续航能力。

    一种无人机融合控制方法及装置

    公开(公告)号:CN113207106A

    公开(公告)日:2021-08-03

    申请号:CN202110357470.3

    申请日:2021-04-01

    Abstract: 本发明实施例提供了一种无人机融合控制方法及装置。确定目标区域,以及雷达探测的探测精度;确定公有速率上限值,以及私有速率上限值;基于预设波束赋形矩阵和预设公有速率分配向量,利用无人机的预设能效函数,在目标区域中确定目标部署位置;基于目标部署位置,利用预设能效函数,确定目标波束赋形矩阵以及目标公有速率分配向量;执行基于预设波束赋形矩阵和预设公有速率分配向量,利用无人机的预设能效函数,在目标区域中确定无人机的目标部署位置的步骤,直至误差小于预设误差阈值。通过本发明实施例提供的技术方案,有效保证无人机在综合通信功能与雷达探测功能后,在保证传输速率的前提下,有效减少无人机的能耗,提高无人机的续航能力。

    基于大模型的多模态语义通信方法、系统、设备及介质

    公开(公告)号:CN118350416B

    公开(公告)日:2024-08-20

    申请号:CN202410773829.9

    申请日:2024-06-17

    Applicant: 清华大学

    Abstract: 本申请提供一种基于大模型的多模态语义通信方法、系统、设备及介质,涉及语义通信技术领域,获取预训练的大语言模型编解码器以及多模态数据;利用待训练的与模态相关的编解码器、投影器和预训练的大语言模型编解码器分步构建待训练的收发端语义大模型;保持预训练的大语言模型编解码器的参数不变,循环交替训练编解码器、投影器和信道编解码器得到收发端语义大模型;利用收发端语义大模型,进行多模态数据的传输和重建。通过上述方法实现对多模态数据的统一语义提取与融合表征,确保语义映射的准确性和稳定性,从而消除模态间的信息冗余,实现高效的多模态数据语义对齐与融合,提升通信系统的通用性和扩展性。

    一种用于无线边缘网络的大模型分布式微调联邦分割学习方法、系统及介质

    公开(公告)号:CN118780348A

    公开(公告)日:2024-10-15

    申请号:CN202410787393.9

    申请日:2024-06-18

    Applicant: 清华大学

    Abstract: 本发明实施例提供了一种用于无线边缘网络的大模型分布式微调联邦分割学习方法、系统及介质,涉及计算机技术领域。方法包括:多个本地设备中的每个本地设备将本地训练数据输入本地的设备侧模型,得到中间输出结果并传输给服务器;服务器利用服务器侧模型对多个中间输出结果进行处理,得到设备侧模型梯度和服务器侧模型梯度;服务器使用服务器侧模型梯度更新服务器侧模型的参数,每个本地设备利用设备侧模型梯度更新本地的设备侧模型的参数;至少依据神经元重要性评分,对服务器侧模型和设备侧模型进行剪枝,基于剪枝后的服务器侧模型和设备侧模型继续协同训练,得到训练完毕的大模型,以实现无线网络环境中高效地进行大模型微调。

    基于大模型的多模态语义通信方法、系统、设备及介质

    公开(公告)号:CN118350416A

    公开(公告)日:2024-07-16

    申请号:CN202410773829.9

    申请日:2024-06-17

    Applicant: 清华大学

    Abstract: 本申请提供一种基于大模型的多模态语义通信方法、系统、设备及介质,涉及语义通信技术领域,获取预训练的大语言模型编解码器以及多模态数据;利用待训练的与模态相关的编解码器、投影器和预训练的大语言模型编解码器分步构建待训练的收发端语义大模型;保持预训练的大语言模型编解码器的参数不变,循环交替训练编解码器、投影器和信道编解码器得到收发端语义大模型;利用收发端语义大模型,进行多模态数据的传输和重建。通过上述方法实现对多模态数据的统一语义提取与融合表征,确保语义映射的准确性和稳定性,从而消除模态间的信息冗余,实现高效的多模态数据语义对齐与融合,提升通信系统的通用性和扩展性。

Patent Agency Ranking