-
公开(公告)号：CN111405605A
公开(公告)日：2020-07-10
申请号：CN202010212659.9
申请日：2020-03-24
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自组织映射的无线网络中断检测方法，所述方法首先通过采集网络关键性指标KPI构建数据集S，然后通过通过自组织映射对数据集S进行聚类，包括对SOM竞争层中每一个神经元的权重初始化并更新权重，选择SOM竞争层中最佳匹配单元以及遍历数据集S以获得经SOM聚类后得到的簇划分Cini；接着基于K-S检验合并簇划分Cini中相似的数据簇，将簇划分Cini更新为簇划分集合Cnew；最后根据所获得的簇划分集合Cnew，判断无线网络中是否发生中断。本发明所述的方法能够从无线网络所实时产生的大量未被标注的数据中准确地完成中断检测。
-
公开(公告)号：CN111342934A
公开(公告)日：2020-06-26
申请号：CN202010134327.3
申请日：2020-03-02
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04L1/00
Abstract: 本发明公开了一种基于极化码的多级比特交织编码调制方法，主要针对复高斯信道下的通信系统，包含两部分内容：极化码编码以及比特到符号的映射规则的设计。在极化码编码中，首先通过设计各个层级的子调制阶数，使得传统的二进制核可以用于各个层级的极化码编码，避免了打孔和构造多核极化码，保证了极化码的极化性能。然后，通过外部信息转移计算比特极化信道的可靠性，选择高可靠性的比特极化信道进行信息比特的传输，完成极化码编码。比特到符号的映射规则的设计主要针对对称星座图的映射，是一种联合集合分解和格雷映射的混合映射。本发明通过设计比特到符号的映射规则，可以最大化地提升极化性能，从而提高系统的误组率性能。
-
公开(公告)号：CN114615685B
公开(公告)日：2024-02-02
申请号：CN202210215536.X
申请日：2022-03-07
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04W24/02 , H04W24/08 , G06F18/241 , G06N3/0475 , G06N3/0499 , G06N3/094
Abstract: 本发明是一种基于生成对抗网络上采样的无线网络中断检测方法，该方法包括如下步骤：第一步：搜集网络关键性能指标KPI，获取数据集Tr；第二步：使用数据集Tr训练本方法所提出模型：本方法所提出模型由生成器G，判别器D，分类器C组成；第三步：使用第二步中获得的分类模型C，根据网络中用户实时上报的n维KPI信息x(x∈Rn)进行中断检测；本发明能够解决不平衡数据集问题，带来中断检测性能的整体提升，此外可根据数据分布特征，自适应调整少数类采样程度和合成数据分布，获得良好中断检测性能，因此，本方法有更好的鲁棒性与可扩展性。
-
公开(公告)号：CN114501525B
公开(公告)日：2024-02-02
申请号：CN202210108134.X
申请日：2022-01-28
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04W24/08 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于条件生成对抗网络的无线网络中断检测方法，能够在存在数据集不平衡以及数据类间重叠的情况下准确检测中断，并正确分类不同类型中断，具体为：第一步：搜集网络关键性能指标，并形成数据集S；第二步：使用数据集S训练改进后的条件生成对抗网络，由生成器G和判别器D组成，G，D均为全连接神经网络结构；第三步：搜集无线网络T2时间内用户上报的KPI信息，第四步：利用第二步中所得模型合成中断类数据，平衡数据集H；第五步：计算校准后训练集V中每个样本的类间重叠指数；第六步：使用训练集V和类间重叠指数集O训练人工神经网络ANN，获得中断检测模型；第七步：根据网络n中用户实时上报KPI信息x(x∈R )进行中断检测。
-
公开(公告)号：CN114269014B
公开(公告)日：2024-02-02
申请号：CN202111585076.1
申请日：2021-12-22
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04W64/00 , H04W4/021 , H04W4/33 , H04L25/02 , H04B7/0413 , G06F18/2413 , G06F18/2415 , G06N3/0464 , G06N3/088
Abstract: 本发明提供了一种基于域自适应网络的大规模MIMO动态环境指纹定位方法，该方法采用域自适应学习的方式，在初始环境位置指纹数据库的基础上通过结合少量当前环境下的无监督样本训练定位模型，能够提高模型在当前环境中的工作能力，训练后的模型在当前环境中具有较高的鲁棒性；本方案在动态环境下的定位精度改善效果良好，通过少量当前环境的无标签数据即可训练获得当前环境下的定位模型，能一定程度缓解环境变化后的定位模型失效和重采样代价大的问题。
-
Patent Agency Ranking
公开(公告)号：CN113992254B
公开(公告)日：2024-02-02
申请号：CN202111373950.5
申请日：2021-11-19
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04B7/06 , H04B7/0426 , H04B7/0456
Abstract: 本发明公开了智能反射面辅助无线通信系统波束成形方法，包括如下步骤:步骤1，部署RIS用于提供额外的可控的信道协助基站与用户间的通信，解耦合基站波束成形矩阵W与RIS反射波束成形矩阵Φ；步骤2，在基站侧根据基站与RIS间的信道设计基站发射波束成形矩阵W，将信号发送到RIS；步骤3，计算RIS与K个用户间信道相关矩阵Rk；步骤4，将RIS分为和用户数相同的子RIS分别服务各个用户；步骤5，根据RIS与各用户间信道相关矩阵设计RIS波束成形矩阵，通过RIS反射将信号分别传输给对应用户。本发明方法无需迭代优化，计算较传统的交替优化方法简单。
-
公开(公告)号：CN117119467A
公开(公告)日：2023-11-24
申请号：CN202311050203.7
申请日：2023-08-21
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明是一种基于增强型人工免疫策略的基站规划方法，使用覆盖率与服务率分别对网络的覆盖与容量进行性能评估；覆盖率定义为区域中至少被一个基站覆盖的用户数与区域总用户数的比值；服务率定位为区域中基站服务的用户数与区域总用户数的比值；主要适用于用户分布不均匀的无线异构网络，该方法能够在从候选站点列表中选出若干个基站作为最佳部署方法，既能够满足运营商对网络的覆盖与容量需求，还使得基站的总拥有成本最低。
-
公开(公告)号：CN116227590A
公开(公告)日：2023-06-06
申请号：CN202211529855.4
申请日：2022-11-30
Applicant: 网络通信与安全紫金山实验室 , 东南大学
Abstract: 本发明提供一种基于改进遗传算法的太赫兹相控阵旁瓣抑制方法及装置，该方法包括：初始化第一种群；循环执行以下步骤：将第一种群划分为多个第一子种群，基于多个太赫兹相控阵旁瓣抑制优化目标，分别构造多个第一子种群的适应度函数；对多个子种群的个体进行选择、融合、交叉和变异得到第三种群；将第三种群划分为多个第二子种群，并构造多个第二子种群的适应度函数；对多个第二子种群的个体分别进行选择操作；将经选择操作后的多个第二子种群中的个体插入到第一种群中；在迭代次数达到最大迭代次数时，从同时满足多个太赫兹相控阵旁瓣抑制优化目标的多个个体中输出目标个体所对应的子阵间距组合。本发明可以取得全局最优解，并提升优化效率。
-
公开(公告)号：CN113315526B
公开(公告)日：2022-11-01
申请号：CN202110640991.X
申请日：2021-06-09
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H03M13/13
Abstract: 本发明公开了级联极化码比特冻结置信传播译码方法，包括以下步骤：首先构造翻转基准和翻转集合CS；初始化比特冻结方法的计数参数，进行比特冻结操作，然后进行级联码置信传播译码并验证结果，若译码结果能同时通过LDPC校验矩阵的校验和极化码的CRC校验，则比特冻结译码成功，译码结束；否则，此次比特冻结译码失败，更新翻转基准，更新后再进行比特冻结置信传播译码。本发明在译码过程中，能够及时地更新翻转基准，帮助提高比特翻转的正确率，进一步提高了误组率性能，降低了平均迭代次数。
-
公开(公告)号：CN114666840A
公开(公告)日：2022-06-24
申请号：CN202210313422.9
申请日：2022-03-28
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明公开了基于多智能体强化学习的负载均衡方法，包括以下步骤：第一步：收集网络信息，初始化参数；第二步：进行多智能体深度确定性策略梯度训练学习最优用户切换策略，具体包括：初始化当前训练步数；统计当前步网络状态；根据策略网络选取当前动作；对每个用户执行动作；统计当前执行动作后的网络状态和奖励；将当前样本存入经验回放池；若经验回放池样本数量大于批量大小，则对每个智能体的Q网络和策略网络权值进行更新；然后判断当前训练步数是否可整除每轮互动次数，若是则初始化网络环境，开启新一轮训练，直到每轮累计奖励值收敛到最大值，获得n个最优策略网络。本发明能够改善网络负载不均衡性，以更精细化方式降低网络负载。
-
-
-
-
-
-
-
-
-
Search Results
1212
records
(took 0.07 seconds)
