-
公开(公告)号:CN118503747A
公开(公告)日:2024-08-16
申请号:CN202311412954.9
申请日:2023-10-27
Applicant: 重庆金美通信有限责任公司
Abstract: 本发明属于无线通信技术领域,涉及一种基于多标签孪生神经网络的混合干扰识别方法。首先,本发明从干扰样本数据集中抽取部分样本进行两两配对,形成 形式的孪生网络训练样本。采用的孪生神经网络由两个完全相同且权值共享的神经网络组成。这两个神经网络分别基于各自的输入生成对应特征向量。然后,本发明通过特征向量欧氏距离来判断输入干扰信号类型的相似程度,通过对特征向量融合拼接,实现混合干扰信号的分类。采用本发明所提多标签孪生网络方法,能够实现小样本下的已知混合干扰识别和未知干扰识别,克服了基于传统的深度神经网络需要大量训练样本和混合干扰信号识别问题。
-
公开(公告)号:CN118555170A
公开(公告)日:2024-08-27
申请号:CN202410687557.0
申请日:2024-05-30
Applicant: 重庆金美通信有限责任公司
IPC: H04L25/03 , H04B17/318
Abstract: 本发明公开了一种基于协方差矩阵重构的毫米波混合模数干扰抑制方法,包括:对接收信号的空间角度进行离散化处理,构造稀疏矩阵;在正弦域均匀选取若干个目标角度,基于目标角度的导向矢量构建观测矩阵,在目标角度对接收信号进行波束成形,获得目标角度RSS;由稀疏矩阵、观测矩阵和目标角度RSS,用稀疏贝叶斯算法进行稀疏重构,获得期望信号DOA、干扰信号DOA以及天线阵元感知信号的SCM;由SCM和期望信号DOA,基于LCMV准则,获得全数字干扰抑制矩阵;用黎曼流形算法进行矩阵分解,得到模拟干扰抑制矩阵和数字干扰抑制矩阵;将进行干扰抑制后的感知信号经过LMS信号检测器,获得各用户发送的调制信号。本发明适用于通信系统中存在恶意干扰的复杂电磁场景。
-
公开(公告)号:CN115988667A
公开(公告)日:2023-04-18
申请号:CN202310018655.0
申请日:2023-01-06
Applicant: 重庆大学 , 重庆金美通信有限责任公司
IPC: H04W72/53 , H04W72/1273 , H04L41/14 , H04L41/16 , H04B7/0452 , H04B7/06
Abstract: 本发明提出一种基于多智能体强化学习的多用户MIMO(MU‑MIMO)资源调度方法,以完成下行链路的通信资源调度。采用多智能体强化学习,将所有可调度的用户看作多智能体群体,调度器所收集到的各用户信息和用户间干扰作为强化学习的环境输入,用户是否作为调度子集看作智能体的决策动作,奖励设置为系统总吞吐量。该方法使用中心化训练去中心化执行的方法,选出最优用户子集从而与基站建立通信连接。该方法有效地解决了MU‑MIMO系统因其多用户间的干扰较大或者系统较为复杂导致系统下行链路总吞吐量不高的问题,提升了系统总吞吐量,降低用户间干扰,进而提高通信传输效率。
-
-