-
公开(公告)号：CN110505681B
公开(公告)日：2022-02-22
申请号：CN201910743280.8
申请日：2019-08-13
Applicant: 东南大学
Abstract: 本发明公开了一种基于遗传方法的非正交多址接入场景用户配对方法，包括：配置遗传所需必要参数，所述参数包括种群规模P和进化代数T；编码：将具体的用户配对方案转化为序列；选定配对方案，生成初始种群作为迭代计算的初始值；所述配对方案是所述初始种群的元素；评价：将当前代际的种群中配对方案个体对应的序列代入适应度函数，得到对应的适应度函数值；遗传操作：在当前计算迭代次数没有达到T时，对当前种群进行遗传操作，产生新一代种群；直到进化到T代为止；将当前种群P个个体中适应度函数值最高的的个体解码，得到的配对方案为NOMA场景中用户配对方案的近似最优解。对比该问题的其他传统解决方案，本方法在所需时间上有可观的缩短。
-
公开(公告)号：CN110071779B
公开(公告)日：2021-11-16
申请号：CN201810058260.2
申请日：2018-01-22
Applicant: 东南大学
IPC: H04L1/00
Abstract: 本发明公开了一种低复杂度的极化码多级编码调制方法，包括：计算调制星座点集合中各个比特层的信道容量；计算虚拟BEC信道的巴特查理亚系数；利用巴特查理亚系数构造极化码；得到等效比特信道的巴特查理亚系数；极化码构造完成后，进行调制、解调和译码。本发明是针对极化码和多级编码调制的联合设计，将MLCM中的调制比特信道视为虚拟BEC信道，通过BEC信道的巴特查理亚系数在极化码中递归关系，进行MLCM调制方式下极化码构造，本发明中方法的时间复杂度低于已有的基于蒙特卡罗方法。
-
公开(公告)号：CN110445825B
公开(公告)日：2021-09-10
申请号：CN201810421373.4
申请日：2018-05-04
Applicant: 东南大学
Abstract: 本发明提供一种基于强化学习的超密集网络小站编码协作缓存方法，所述方法包括以下步骤：第一步：采集网络信息，设置参数：第二步：制定基于MDS编码的基站协作缓存方案：第三步：制定基站协作传输方案：第四步：用MDP来描述强化学习任务：第五步：明确强化学习目标：第六步：更新用于决策的Q表，第七步：随机设置起始状态；等，该方法利用小站协作编码缓存及协作传输为用户提供服务，通过强化学习挖掘收集到的真实网络中文件请求的转移模式，制定最优的缓存策略，作为一种数据驱动的机器学习方法，无需任何对数据先验分布的假设，更加适用于实际系统。且通过与环境实时交互，可追踪时变的文件流行度，执行最优的缓存策略，不需解NP‑hard问题。
-
公开(公告)号：CN113258989A
公开(公告)日：2021-08-13
申请号：CN202110532993.7
申请日：2021-05-17
Applicant: 东南大学
Abstract: 本发明公开了一种使用强化学习获得辅助蜂窝网络的无人机中继轨迹的方法，输入无人机起始位置，无人机电池最大容量，最大回合数,折扣因子,学习率,动作利用率，采用Q学习设计能量受限的无人机轨迹。本发明综合考虑基站的天线辐射模式、回程约束、无人机能量消耗，建立了一个有实际意义的无人机电池能量受限的轨迹优化问题，分析待解决的轨迹设计问题，将无人机轨迹设计问题转化为离散时间决策过程并转用Q学习解决问题，能设计无人机最佳轨迹,充分利用无人机电池能量带来最大用户频谱效率的提升。
-
公开(公告)号：CN112953559A
公开(公告)日：2021-06-11
申请号：CN202110182545.9
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: H03M13/13
Abstract: 本发明公开了基于冻结位对数似然值修正的极化码译码方法，在SCL译码器的译码结果未通过循环冗余校验的情况下，构造衰减因子集合，进行冻结位对数似然值修正译码，包括以下步骤：初始化参数后，计算对数似然值，若比特属于冻结位且对数似然值发生错误需要进行修正，进行冻结位对数似然值修正和节点回溯修正；译码完成后，若译码结果若通过循环冗余校验，说明译码正确，输出译码结果；否则，若未达到最大迭代次数，尝试新的衰减因子再次进行冻结位对数似然值修正译码；如果达到最大迭代次数则译码终止。本发明方法能够削弱串行译码的差错传播并纠正传统SCL译码器中的错误，从而提高SCL译码器的误码性能。
-
Patent Agency Ranking
公开(公告)号：CN107659318B
公开(公告)日：2021-05-18
申请号：CN201711084344.5
申请日：2017-11-07
Applicant: 东南大学
Abstract: 本发明提出了一种自适应的极化码译码方法，包括如下步骤：选取最坏信息比特的位置；进行试探性置信传播译码，以判断信道状态；置信传播译码过程中的CRC校验；串行抵消列表译码。本发明方法结合极化码的置信传播译码方法和串行抵消列表译码方法，能够充分利用置信传播译码速度快的特点，只有当置信传播译码失败后，才使用串行抵消译码，通过自适应地设定置信传播译码的迭代次数和串行抵消列表译码的列表规模，以及使用两段CRC校验进行译码早期终止，进一步降低串行抵消列表译码的时延，既能保证译码速度，又能提高误比特率性能，实现了误码率性能和译码时延的有效折衷。
-
公开(公告)号：CN109617991B
公开(公告)日：2021-03-30
申请号：CN201811634918.6
申请日：2018-12-29
Applicant: 东南大学
Abstract: 本发明公开了基于值函数近似的超密集异构网络小站编码协作缓存方法。采用值函数近似的强化学习方法，将值函数表达为状态和动作的函数，以最大化平均累积小站直接服务的文件请求数目为优化目标，通过不断地与环境交互，适应环境的动态变化，挖掘出潜在的文件请求转移模式，得到值函数的近似式，进而得到与文件请求转移模式相匹配的协作缓存决策；宏基站对协作缓存决策进行编码，并将编码协作缓存结果传达给各小站。本发明通过强化学习挖掘到的真实网络中文件请求的转移模式来制定缓存决策，无需任何对数据先验分布的假设，更加适用于实际系统；且通过与环境实时交互，可追踪时变的文件流行度，作出相应的缓存策略，过程简单可行，不需解NP‑hard问题。
-
公开(公告)号：CN112084019A
公开(公告)日：2020-12-15
申请号：CN202010806146.0
申请日：2020-08-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于模拟退火的异构MEC计算平台中的计算卸载与资源分配方法，基于天地联合MEC网络，在网络中考虑了本地卸载、MBS‑MEC服务器卸载以及UAV‑MEC服务器卸载三种卸载方式，构建了用户侧能耗最小化问题模型，并在问题中同时考虑到异构服务器的最大服务数和最大计算资源的约束，并且考虑到UAV的计算功率约束，通过计算机仿真发现基于模拟退火的卸载算法，相较于传统算法，本发明有效的减少了网络内用户的总能耗。
-
公开(公告)号：CN111935830A
公开(公告)日：2020-11-13
申请号：CN202010670290.6
申请日：2020-07-13
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明提供了一种基于匹配论的认知无线网络物理层安全传输方法，对网络中的主、次用户按照分布式匹配方法进行匹配；成功配对的主用户在配对的次用户协助下根据匹配得到的保密速率在(1-α)*T时隙时间内进行传输，成功配对的次用户在剩余α*T时隙时间进行自己的传输。未匹配的主用户如果直接传输保密速率高于最小保密速率要求，就以直接传输保密速率在T时隙时间内传输。本发明利用频谱资源激励多个主、次用户达成匹配关系，次用户通过协作主用户的保密传输获得频谱资源，在提升主用户保密速率的同时，为次用户创造了更多的传输机会。所有参与协作安全传输的用户能够获得更加合理的频谱资源，充分调动了次用户参与协作的积极性。
-
公开(公告)号：CN107896137B
公开(公告)日：2020-10-27
申请号：CN201711068650.X
申请日：2017-11-03
Applicant: 东南大学
IPC: H04L1/00
Abstract: 本发明提供一种适用于极化码译码路径分裂的排序方法，包括：将待排序路径的PM值用向量表示步骤；路径并行插入步骤；各个空隙中的元素执行并行排序步骤；输出PM值最小的L个路径步骤。本发明在极化码译码路径分裂后的排序过程中，利用列表中原有路径已经有序的特点，将新生成的L个路径执行并行的二分插入排序，再对插入到同一位置的路径进行排序；由于插入的每个位置的路径平均数量较少，并且各个位置内的路径可以并行进行排序，从而能够显著降低基于串行抵消的译码中所需要的排序时延和比较次数，同时也能够降低极化码译码的整体时延。
-
-
-
-
-
-
-
-
-
Search Results
351
records
(took 0.023 seconds)
