公开(公告)号：CN116402798A

公开(公告)日：2023-07-07

申请号：CN202310380512.4

申请日：2023-04-11

Applicant: 重庆邮电大学

Inventor： 郭坦 ,  何龙 ,  罗甫林 ,  李新月 ,  李嫄源 ,  谭晓衡 ,  陶洋

IPC: G06T7/00 ,  G06T5/00 ,  G06V10/762 ,  G06V10/772

Abstract: 本发明提出了一种用于高光谱遥感图像异常检测的分层式鲁棒判别学习方法。其特点在于通过强化高光谱图像中背景成分与异常目标成分结构上的非相干约束，以促进两者之间的内在非相干性与相异性，从而增强两者的可分离性。通过l1，1范数和Frobenius范数来有效刻画真实场景下高光谱遥感图像获取过程中引入的复杂混合噪声，提高异常目标检测模型的抗噪声性能。为更精确地分离深度混合的背景和异常目标，获得稳健且检测能力更强的异常目标检测模型，设计了分层式的检测思想，渐进式地分离深度混合的高光谱遥感图像中的背景和异常目标成分。本发明不仅可以提高背景和异常目标之间的可区分能力，而且具有非常强的噪声抑制性能和检测鲁棒性。

公开(公告)号：CN117640196A

公开(公告)日：2024-03-01

申请号：CN202311608197.2

申请日：2023-11-28

Applicant: 重庆邮电大学

Inventor： 杨柳 ,  王宇 ,  李新月 ,  鲁银芝 ,  吴雪刚

IPC: H04L9/40 ,  H04B13/02 ,  H04W84/18

Abstract: 本发明公开一种基于生成对抗网络(Generative Adversarial Networks，GANs)的水声传感网恶意节点检测方法。利用生成对抗网络可生成真实数据的特性，分别去构建生成器和鉴别器，通过信任预测的方法实现水声传感网中的恶意节点检测。首先，在网络部署初期通过节点交互及行为监测采集信任证据，分别包括基于数据、链路和能量的多维信任指标；然后以此作为信任数据集，构建出与时间序列相关的信任矩阵，用于训练基于生成对抗网络的信任预测模型；最后随着网络的运行部分节点由于敌方攻击或物理俘获而成为内部恶意节点，将训练后的模型用于预测节点信任信息，并将预测损失作为节点信任判别的依据，以此方法有效地进行恶意节点检测，提高水声传感网的安全性能。

公开(公告)号：CN117640497A

公开(公告)日：2024-03-01

申请号：CN202311611613.4

申请日：2023-11-29

Applicant: 重庆邮电大学

Inventor： 杨柳 ,  李新月 ,  王宇 ,  鲁银芝

IPC: H04L45/12 ,  H04L47/50

Abstract: 本申请提供一种时间敏感网络确定性路由及调度方法，所述方法包括：创建TSN网络模型；基于整数分拆理论，利用模糊逻辑控制器分析流特征的相似性；基于Dijkstra算法结合网络拓扑将“源‑目的”对相似且周期相似的业务流合并路由；调度前先获取TSN网络状态并保存现场；基于每跳最坏延迟容忍，使用偏移搜索的方式在满足时延要求的条件下为业务流预留时隙；对经过同一条链路的业务流进行无缝调度；将调度失败流加入失败流列表并恢复现场。本申请实施例提供技术方案，能够保证时间敏感网络中时间敏感流确定性传输，同时使剩余时隙资源更集中，从而提高网络剩余资源的可用性。

公开(公告)号：CN117596700A

公开(公告)日：2024-02-23

申请号：CN202311549238.5

申请日：2023-11-17

Applicant: 重庆邮电大学

Inventor： 杨柳 ,  王宇 ,  李新月 ,  鲁银芝 ,  吴雪刚

IPC: H04W72/543 ,  H04W4/40 ,  G06F18/20 ,  G06F18/241 ,  G06N3/0499 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/092 ,  G06N3/096 ,  G06N3/094

Abstract: 本发明属于通信技术领域，特别涉及一种基于迁移强化学习的车联网传输调度方法，包括在软件定义网络框架的控制平面中会收集网络中车辆的数据请求信息，以最小化数据包的传输时延、最大化系统的吞吐量为目标，建立车联网传输调度优化模型；将车联网资源调度的变化场景建模为马尔科夫模型，将软件定义网络中的控制平面作为智能体；构建强化学习模型，包括结合马尔科夫模型所定义的状态空间、行为空间、奖励函数构建DDPG模型中的Actor策略网络和Critic评价网络，并在原车联网环境下进行训练；智能体利用完成训练后的Actor策略网络选择执行的动作；本发明优化数据包传输的平均时延，明显提高车联网传输调度过程中的服务质量。

公开(公告)号：CN116132353A

公开(公告)日：2023-05-16

申请号：CN202211694211.0

申请日：2022-12-28

Applicant: 重庆邮电大学

Inventor： 杨柳 ,  李新月 ,  鲁银芝

IPC: H04L45/02 ,  H04L45/00 ,  H04L45/121

Abstract: 本申请提供了一种基于Dueling Deep Q Network(DDQN)的时间敏感网(TSN)路由选择方法，所述方法包括：基于多控制器软件定义网络(SDN)，根据工业现场将路由划分为多个区域，构建TSN网络的系统模型；构建路由选择问题的马尔可夫决策模型；获取拓扑和流信息，搜索可达路径生成候选路径表；为业务流初始化路由路径形成初始网络；以平均最小端到端时延为优化目标、流的时延要求为约束，利用DDQN算法对初始网络进行优化训练；当拓扑或业务流信息改变时，重新对模型进行训练；控制器为业务流分配路由路径并下发至转发平面。这是一种被数据驱动的集中式多控制器路由方法，可部署于工业TSN网络中，能够适应动态变化的业务和跨车间信号传输需求，并确保业务传输服务质量。