-
公开(公告)号：CN113423110B
公开(公告)日：2022-04-12
申请号：CN202110689829.7
申请日：2021-06-22
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04W16/10 , H04B17/382 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于深度强化学习的多用户多信道动态频谱接入方法，包括以下步骤：首先初始化参数，其次观察当前频谱环境，然后，各次用户通过评估神经网络，得到在当前状态下所有动作的Q值，并依据策略选择下一步的动作；执行动作后，各次用户会获取回报，同时频谱环境会转入一个新状态；然后存储记忆，当记忆量累积到自定义的规模后，开始学习，更新评估神经网络参数；然后更新目标神经网络的参数；重复以上步骤直至收敛，获得最优的接入策略。本发明在频谱环境先验知识未知的条件下动态地调整频谱接入策略，在不干扰主用户通信质量的前提下，减少用户之间的碰撞，达到提升系统吞吐量的目的。
-
公开(公告)号：CN110061803B
公开(公告)日：2021-12-28
申请号：CN201810054454.5
申请日：2018-01-19
Applicant: 东南大学
IPC: H04L1/00
Abstract: 本发明提出了一种低复杂度极化码比特交织编码调制方法，包括：计算调制星座点集合中各个比特层的巴特查理亚系数；计算巴特查理亚系数在极化码中的递归式；根据调制阶数，求解优化问题，得到用于进行比特交织的最优置换；进行极化码构造；构造完成后进行调制；对信道接收信号进行解调和译码。本发明主要依靠巴特查理亚系数在极化码中的递归式来进行计算降低了针对比特交织编码调制的极化码的构造复杂度，优于现有方法。
-
公开(公告)号：CN110139315B
公开(公告)日：2021-09-28
申请号：CN201910343031.X
申请日：2019-04-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于自我学习的无线网络故障检测方法，具体如下：采集网络关键性能指标KPI记录并将其保存为数据集合；对该数据集合采用SMOTEENN方法进行不平衡处理，获得平衡后的平衡数据集；通过稀疏自编码器从无标签辅助数据集中学习基向量；将平衡后的平衡数据集表示为各基向量线性组合的形式，并在此新表示下的平衡数据集上经支持向量机SVM方法训练得到正常与故障类别的分类模型；利用已建立好的分类模型对网络实时产生的KPI数据记录进行分类，进而达到故障检测的目的。本发明更为准确且有效地检测网络故障；且自我学习的形式方便迁移，在新的网络环境下能够很快得到故障检测的模型，提升了以往方法的故障检测效率。
-
公开(公告)号：CN113316163A
公开(公告)日：2021-08-27
申请号：CN202110676466.3
申请日：2021-06-18
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明公开了基于深度学习的长期网络流量预测方法，包括：首先获取区域网络流量序列，统计其在每个时刻内使用的流量值；然后对流量矩阵序列进行预处理，得到Transformer模型的输入数据；其次，建立Transformer模型，对于二维矩阵数据采用Transformer模型进行时间相关性和空间相关性的自适应提取；最后，采用自适应的训练机制进行模型训练。本发明提高了网络流量多步长期预测的准确性，以便于运营商对未来的网络资源提前进行规划，有利于无线资源的合理分配。
-
公开(公告)号：CN112995892A
公开(公告)日：2021-06-18
申请号：CN202110170260.3
申请日：2021-02-08
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04W4/02 , H04B17/309 , H04B7/0413 , G06N3/08 , G06N3/04 , G06F16/29
Abstract: 本发明公开了基于复数神经网络的大规模MIMO指纹定位方法，主要包括离线阶段和在线阶段两个部分。离线阶段，首先在定位区域内等间隔划分样本点，基站端收集用户位于定位区域各样本点上的位置指纹信息，构建位置指纹数据库；将各样本点的位置指纹信息作为复数神经网络输入，对应样本点的位置作为复数神经网络的输出标签，构建复数神经网络，并通过指纹数据库对其进行训练。在线阶段，基站端利用离线阶段训练好的复数神经网络，并基于实时接收到的用户的位置指纹，利用训练后的复数神经网络运算得到用户的位置坐标，实现较高精度的用户定位。
-
Patent Agency Ranking
公开(公告)号：CN107248866B
公开(公告)日：2020-10-27
申请号：CN201710401264.1
申请日：2017-05-31
Applicant: 东南大学
Abstract: 本发明公开了一种降低极化码译码时延的方法，包括：计算对数似然比初始值；递归遍历译码树；遍历过程中特殊节点译码；遍历过程中的非特殊节点利用校验矩阵降低译码时延；根据循环冗余校验选择最终译码结果。本发明在极化码译码递归遍历译码树的过程中，利用极化码的校验矩阵进行校验，在校验成立时不再递归遍历子节点，从而有效降低译码时延，由于利用校验矩阵进行判定可以与其他步骤并发执行，不会增加额外的译码时延。本发明能够显著降低串行抵消方法的译码时延，与经典的低时延译码方法置信传播译码相比，时延特性可以逼近置信传播译码，而误码率性能和计算复杂度显著优于置信传播译码，当信噪比越高时，本方法的译码时延降低越明显。
-
公开(公告)号：CN106255217B
公开(公告)日：2020-05-26
申请号：CN201610881826.2
申请日：2016-10-09
Applicant: 东南大学
Abstract: 本发明提出一种基于OFDMA多小站中效用和与效用能效的资源分配方法，适用于网络覆盖下含有多种用户类型的场景。该方法首先提出一种衡量效用和与效用能效权衡的度量标准：效用资源效率，将效用资源效率模型构建为系统效用和与系统总功耗的加权和，然后基于构建的模型设置约束条件，以最大化效用资源效率为目标问题求解满足约束条件的资源块和功率分配策略；本发明能充分适应实际应用中网络覆盖范围内存在多种用户类型的场景下效用能效与效用和的权衡，较之以传统能效与谱效权衡为目标的算法，在效用资源效率方面具有较大的增益，且能够使得系统的公平性性能更好。
-
公开(公告)号：CN111130567A
公开(公告)日：2020-05-08
申请号：CN202010001330.8
申请日：2020-01-02
Applicant: 东南大学
Abstract: 本发明提供了一种添加噪声扰动和比特翻转的极化码置信传播列表译码方法，包括如下步骤：进行带CRC校验的BPL译码；构造翻转比特集合FBS；进行添加人工噪声扰动和比特翻转的极化码置信传播列表译码。本发明能够在极化码BPL译码方法译码失败的情况下，通过对失败译码结果进行数据分析，进而构造出识别不可靠的信息比特判决的翻转比特集合，置不可靠信息比特的先验对数似然比为无穷值，同时添加了不同的人工噪声加以扰动，以试探性译码的方式纠正BPL译码方法中的错误，显著提高了极化码在BPL译码方法下的误帧率性能。本发明方法能够以较小的译码时延为代价获取误码率性能的增益。
-
公开(公告)号：CN107277159B
公开(公告)日：2020-05-08
申请号：CN201710555316.0
申请日：2017-07-10
Applicant: 东南大学
IPC: H04L29/08 , G06K9/62 , G06F16/172
Abstract: 本发明公开了一种基于机器学习的超密集网络小站缓存方法，首先在非高峰访问期引入K均值聚类方法分析历史访问数据，挖掘文件请求的空时模式，根据小站服务用户的文件偏好进行聚类，找出小站内流行的文件，实现类间的个性化缓存与类内的预测性缓存，同时利用历史访问数据与聚类结果构建用于新文件分类的训练集；然后在高峰访问期引入k近邻分类方法周期性地对不断出现的新文件进行分类，并缓存在偏好这类文件的小站类内；最后结合各类小站内历史流行文件与不断出现的新文件制定实时更新的缓存策略。本发明基于机器学习制定缓存策略，能充分利用小站有限的缓存空间存储小站所服务人群最需要的文件，显著降低系统回程链路负载，极大提升用户满意度。
-
公开(公告)号：CN110972174A
公开(公告)日：2020-04-07
申请号：CN201911214239.8
申请日：2019-12-02
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明公开了一种基于稀疏自编码器的无线网络中断检测方法，该方法首先搜集网络关键性能指标，然后将KPI信息构建数据集S，并且对数据集S按照标签进行进一步的划分，对子集S1和S0分别进数据计算后重组数据集V，接着对于数据集V利用自编码器进行处理，通过定义稀疏自编码器的代价函数和反向算法进行计算，得到新的数据训练集U，依据此数据训练集建立无线网的中断检测模型，最后实现根据网络中用户实时上报的KPI信息xi，进行中断检测。本发明实现了小样本数据下的无线网高精度检测，也节省了搜集数据的大量时间。
-
-
-
-
-
-
-
-
-
Search Results
363
records
(took 0.053 seconds)
