基于训练序列的频域色散搜索方法

    公开(公告)号:CN103746950B

    公开(公告)日:2017-04-12

    申请号:CN201410006652.6

    申请日:2014-01-07

    Inventor: 於涛 许渤 邱昆

    CPC classification number: H04L25/0224 H04L25/0222

    Abstract: 本发明公开了一种基于训练序列的频域色散搜索方法,采用训练序列经过调制得到的调制符号序列进行频域色散搜索,接收端对接收到的连续采样信号进行基于频域最大值代价函数的色散搜索时采用的移位因子ΩCT=NFFT/2K+2,K为大于等于0的整数,同时相对应的对发送端的调制符号序列进行如下预处理:将调制符号序列以2K个为一组,每间隔1组将调制符号全置为0,其余保持不变,这样既解决了频域最大值代价函数的幅度随ADC采样点时刻变化而变化的问题又可以允许采用较大色散搜索步长进行色散搜索,从而减少搜索次数,降低算法复杂度,节约系统资源。

    基于训练序列的频域色散搜索方法

    公开(公告)号:CN103746950A

    公开(公告)日:2014-04-23

    申请号:CN201410006652.6

    申请日:2014-01-07

    Inventor: 於涛 许渤 邱昆

    CPC classification number: H04L25/0224 H04L25/0222

    Abstract: 本发明公开了一种基于训练序列的频域色散搜索方法,采用训练序列经过调制得到的调制符号序列进行频域色散搜索,接收端对接收到的连续采样信号进行基于频域最大值代价函数的色散搜索时采用的移位因子ΩCT=NFFT/2K+2,K为大于等于0的整数,同时相对应的对发送端的调制符号序列进行如下预处理:将调制符号序列以2K个为一组,每间隔1组将调制符号全置为0,其余保持不变,这样既解决了频域最大值代价函数的幅度随ADC采样点时刻变化而变化的问题又可以允许采用较大色散搜索步长进行色散搜索,从而减少搜索次数,降低算法复杂度,节约系统资源。

    一种针对图数据的联邦学习后门攻击方法

    公开(公告)号:CN118673962A

    公开(公告)日:2024-09-20

    申请号:CN202410822810.9

    申请日:2024-06-25

    Abstract: 本发明公开了一种针对图数据的联邦学习后门攻击方法,该方法首先建立联邦学习训练系统,初始化客户端并随机选取恶意客户端。其次恶意客户端跟本地图数据,生成对应本地数据的自适应触发器子图,求出最佳自适应触发器子图并嵌入到恶意客户端的本地数据中。然后所有本地客户端根据初始全局模型进行训练,计算本地模型参数并上传到中央服务器,中央服务器加权平均所有本地模型参数并更新全局模型参数。最后中央服务器将更新后的模型参数发放给每个本地客户端,所有本地客户端更新模型参数。本发明在保证主任务精度的同时能够提高图联邦后门攻击成功率,能够实现多个恶意客户端进行分布式后门攻击。

Patent Agency Ranking