-
Patent Agency Ranking
公开(公告)号：CN116566539A
公开(公告)日：2023-08-08
申请号：CN202310521961.6
申请日：2023-05-10
Applicant: 福州大学
Abstract: 本发明涉及一种下行NOMA系统中一种基于通信感知一体化的隐蔽通信方法。根据下行NOMA系统的特点，它将雷达发射的双功能信号（感知信号和通信信号）结合在一起，在抵抗监听者监听的情况下，不仅可以感知目标，还可以与合法用户进行通信。为了优化雷达发射机发射的波形，本发明采用了连续凸近似算法来解决波束成形信号的凸优化问题，并权衡了隐蔽因子的取值来提高系统的性能。这项技术能够更加有效地保证系统安全性和可靠性，同时实现更高的频谱利用率，更好的解决频谱短缺的问题。
-
公开(公告)号：CN116527196A
公开(公告)日：2023-08-01
申请号：CN202310505563.5
申请日：2023-05-08
Applicant: 福州大学
Abstract: 本发明提供了基于噪声不确定性的全向超表面辅助隐蔽通信方法及系统，包括以下步骤：步骤1：确定智能全向超表面的工作模式，给出透射和反射系数的数学表达式；步骤2：推导Alice能与Willie正常通信的条件以及Alice不被Willie以100％的概率检测到隐蔽传输的条件；步骤3：分析Willie的检测性能，根据Willie处噪声功率的概率密度函数得到其最小检测错误概率作为系统的隐蔽约束；步骤4：分析Alice到Bob的传输情况，得到系统有效隐蔽速率的表达式；步骤5：建立智能全向超表面辅助隐蔽通信系统的优化问题，联合设计Alice处发射隐蔽消息的最优功率以及智能全向超表面的TARCs，最大化系统有效隐蔽速率。应用本技术方案可有效提高系统的隐蔽性能，保证信息的高效、安全传输。
-
公开(公告)号：CN115412906B
公开(公告)日：2025-02-14
申请号：CN202211011016.3
申请日：2022-08-23
Applicant: 福州大学
Abstract: 本发明涉及一种基于混合中继‑智能反射面和联邦学习的无线通信方法。联邦学习作为分布式机器学习的一种，它的核心思想是在边缘设备上通过协作训练学习模型以获得最优全局模型，并且同时避免传输原始数据。考虑到无线信道固有的叠加特性，因此引入空中计算来支持大量的本地设备上传数据。同时根据物理层安全中的保密速率来筛除部分不安全的设备以获得更高的安全性。由于混合中继‑智能反射面不仅可以反射而且可以放大入射信号，因此可以通过它来增强联邦学习过程中的上行链路的增益，以获得更优的精确度。本发明通过制定一种设计方法，交替优化设备选择、混合中继‑智能反射面放大系数、相移以及接收波束成形向量以提高联邦学习的精确度和安全性。
-
公开(公告)号：CN116366113A
公开(公告)日：2023-06-30
申请号：CN202310195150.1
申请日：2023-03-03
Applicant: 福州大学
IPC: H04B7/06 , H04B7/08 , H04B17/318 , H04B17/391
Abstract: 本发明涉及一种基于雷达通信感知一体化的隐蔽通信方法，包括以下步骤：根据通信系统构建相应的通信模型，描述通信表达式；根据通信系统统构建感知模型，推导出虚警概率和探测概率，同时构建监听模型，描述监听表达式，推导出KL散度；通过优化雷达发射机的波束成形向量，最大化通信的信噪比，从而提高通信的性能。本发明能够更加有效地保证安全性和高速传输。
-
公开(公告)号：CN115412906A
公开(公告)日：2022-11-29
申请号：CN202211011016.3
申请日：2022-08-23
Applicant: 福州大学
Abstract: 本发明涉及一种基于混合中继‑智能反射面和联邦学习的无线通信方法。联邦学习作为分布式机器学习的一种，它的核心思想是在边缘设备上通过协作训练学习模型以获得最优全局模型，并且同时避免传输原始数据。考虑到无线信道固有的叠加特性，因此引入空中计算来支持大量的本地设备上传数据。同时根据物理层安全中的保密速率来筛除部分不安全的设备以获得更高的安全性。由于混合中继‑智能反射面不仅可以反射而且可以放大入射信号，因此可以通过它来增强联邦学习过程中的上行链路的增益，以获得更优的精确度。本发明通过制定一种设计方法，交替优化设备选择、混合中继‑智能反射面放大系数、相移以及接收波束成形向量以提高联邦学习的精确度和安全性。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
