-
公开(公告)号：CN118784423A
公开(公告)日：2024-10-15
申请号：CN202410633091.6
申请日：2024-05-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于循环前缀差异最小化的自适应阵列干扰抑制方法，属于阵列干扰抑制领域。该方法包括以下步骤：对接收信号采样后做快速傅里叶变换并计算协方差矩阵；利用协方差矩阵计算投影矩阵并通过投影抑制宽带干扰；子载波重配后做快速傅里叶逆变换并进行时频同步；利用循环前缀的循环特性计算权值，加权提取期望信号主径；对主径信号进行正交频分复用解调，再进行信道均衡；将信道估计得到的信道估计矢量用于信道均衡；均衡后的信号经过后续解调得到输出比特流。本发明首先在频域利用正交投影算法抑制宽带强干扰，再建立循环前缀差异最小化优化函数计算权值，多路信号加权以抑制残余干扰和多径干扰，能够有效提高接收端的可靠性。
-
公开(公告)号：CN118695283A
公开(公告)日：2024-09-24
申请号：CN202410734015.4
申请日：2024-06-07
Applicant: 重庆邮电大学
IPC: H04W24/06 , H04W56/00 , H04B17/391
Abstract: 本发明属于无线通信中的信道认知领域，涉及一种基于同步码的信道场景识别方法及系统。方法包括：采集无线接收机中的基带信号，捕获同步码作为信道场景的观测样本；对同步码进行长周期的间隔性捕获，并在每次捕获后计算观测样本均值，保存为信道数据样本；将每次捕获并计算得到的信道数据样本输入到预先训练并优化好的深度学习网络模型中，根据模型的输出结果更新信道场景识别结果。方法优势在于：通过对同步码的长周期间隔捕获和分析，实现更高效的信道场景识别，并简化系统的实现难度；创造性地将信道特征识别问题转换为接收信号识别问题，消除传统方法中复杂的人工特征提取步骤，结合深度学习技术，智能地学习更为精确且抽象的信道特征表示，提高信道场景识别的准确性和效率；无需对发射端做任何修改，灵活适用于各种现有无线通信系统，增强信道场景识别方法的实用性和适应性。识别结果可以用于各种后续处理，如动态调整通信参数和优化传输策略，从而提升通信系统的整体性能和环境适应性。
-
公开(公告)号：CN118611799A
公开(公告)日：2024-09-06
申请号：CN202410461331.9
申请日：2024-04-17
Applicant: 重庆邮电大学
IPC: H04B17/382 , H04W16/14
Abstract: 本发明请求保护一种面向多源复杂场景的频谱态势补全方法，属于无线电监测技术领域。本发明针对目标场景中辐射源和传播模型相关的先验信息未知、且存在多辐射源和阴影衰落，目标场景复杂，频谱态势恢复困难的问题。通过以下步骤解决：S1：对目标区域进行离散化处理；S2：坐标系中随机选取若干个目标点，部署传感器，获得目标位置的接收信号强度，构建稀疏张量、观测矩阵和RSS矩阵；S3：由观测矩阵和稀疏矩阵，进行非负矩阵分解获得各个辐射源采样分量；S4：将各个采样分量分别通过残差自编码器获得单辐射源的路径衰减分量S5:将各个路径衰减分量相加，获得完整频谱地图的路径衰减分量；S6：将采样数据与对应位置的路径衰减分量做除法获得阴影衰落分量；S7：阴影衰落分量进行薄板样条(Thin Plate Splines，TPS)插值获得完整频谱地图的阴影衰落分量估计；S8：将路径损耗分量和阴影衰落分量做Hadamard乘积，得到目标区域的整体频谱态势。本发明充分利用采样数据，具有较好的频谱态势重构效果，适用于环境中存在多辐射源和阴影衰落的复杂认知场景。
-
公开(公告)号：CN118568590A
公开(公告)日：2024-08-30
申请号：CN202410633128.5
申请日：2024-05-21
Applicant: 重庆邮电大学
IPC: G06F18/2415 , G06F18/25 , G06F18/2131 , G06F18/214 , G06N3/0464 , H04K3/00
Abstract: 本发明属于干扰识别领域，具体涉及一种基于Conv‑KANformer的神经网络干扰识别方法，包括如下步骤：S1：构建干扰数据库，采用短时傅里叶变换提取干扰时频图；对时频图进行剪裁、缩放、构建标签信息等预处理操作，确保数据的准确性和一致性；S2：搭建Conv‑KANformer神经网络框架，该网络由多尺度卷积特征提取模块、KANformer全局特征提取模块、分类模块构成，其中，多尺度卷积特征提取模块包含四层不同大小的卷积核，从而提取不同感受野特征；KANformer全局特征提取模块引入科尔莫格罗夫‑阿诺德网络(Kolmogorov–Arnold Networks，KAN)改进传统transformer结构；分类模块引入KAN完成7种干扰信号分类；S3：通过交叉熵损失函数完成模型离线训练，获得干扰识别模型；S4：利用干扰识别模型完成在线干扰识别。本发明提出一种基于Conv‑Kanformer的神经网络干扰识别方法，能够在较低干噪比下识别7种干扰类型。
-
Patent Agency Ranking
公开(公告)号：CN119210974A
公开(公告)日：2024-12-27
申请号：CN202411341295.9
申请日：2024-09-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种联合时频分析与符号特征的多波束阵列干扰抑制方法，属于阵列干扰抑制领域。该方法包括：对接收信号采样截断后做快速傅里叶变换转换到时频域并计算采样协方差矩阵，计算投影矩阵并进行干扰抑制，重新分配子载波后做快速傅里叶逆变换；分别同步期望信号的第一、二条径；利用循环前缀的循环特性提取两径信号，对提取到的信号进行OFDM解调和频域信道估计；根据最大信噪比准则计算权值，对两径信号加权得到输出信号。本发明提出了一种联合时频分析与符号特征的多波束阵列干扰抑制方法，在时频域利用正交投影算法对强干扰进行抑制，利用循环前缀的循环特性提取较强的两条径，利用最大信噪比准则合并两条径，能够有效提高接收端的可靠性。
-
公开(公告)号：CN119171919A
公开(公告)日：2024-12-20
申请号：CN202411341299.7
申请日：2024-09-25
Applicant: 重庆邮电大学
IPC: H03M13/13
Abstract: 本发明属于通信技术领域，涉及一种基于路径度量值(Path Metrics,PM)的自适应串行消除列表(Successive Cancellation List,SCL)译码算法，主要包括以下步骤：步骤1：计算当前比特的各条路径的PM值；步骤2：对计算出的PM值进行升序排列，记为PMl；步骤3：计算出每相邻两个PM值之间的差值，记为ΔPMl；步骤4：将ΔPMl逐个与上限阈值αH和下限阈值αL作比较，根据结果确定要保留的路径；步骤5：对每个比特位置依次进行步骤1～步骤4的操作，直到将所有比特译码完毕，得到第N‑1个比特的度量值集合，在其中选择最小度量值对应的路径输出，得到译码结果。本发明可以灵活增大和减小列表数量，从而自适应调节SCL译码复杂度，在几乎不损失性能的前提下，实现更高的吞吐量和更低的处理时延。
-
公开(公告)号：CN118695377A
公开(公告)日：2024-09-24
申请号：CN202410734012.0
申请日：2024-06-07
Applicant: 重庆邮电大学
IPC: H04W72/0453 , H04W16/14 , H04B17/382 , G06N3/0464
Abstract: 本发明请求保护一种基于KAN‑RAE的频谱地图重构方法，属于无线电监测技术领域。本发明包括以下步骤：S1：制作完整的频谱地图作为神经网络的数据集；S2：引入科尔莫格罗夫‑阿诺德网络(Kolmogorov–Arnold Networks，KAN)和残差(Residual)连接来改进自编码器(AutoEncoder，AE)，搭建出KAN‑RAE神经网络框架；S3：通过均方误差损失函数完成模型离线训练，获得频谱地图重构模型；S4：利用训练好的网络模型，完成在线频谱地图重构。本发明提出一种基于KAN‑RAE的神经网络频谱地图重构方法，引入KAN和残差连接改进传统的自编码器结构，极大减少了神经网络的参数，提高了模型的收敛速度并降低误差，在低采样率下，频谱地图仍可精确重构。
-
公开(公告)号：CN118590076A
公开(公告)日：2024-09-03
申请号：CN202410734017.3
申请日：2024-06-07
Applicant: 重庆邮电大学
Abstract: 本发明公开一种干扰信道下极化码性能增强方法，属于信道编码领域。本发明主要包括以下步骤：根据传输子信道受干扰状况衡量每个极化子信道的可靠度；根据极化子信道可靠度进行极化码的编码；根据子载波受干扰状况对编码比特进行映射；最后进行干扰信道下的极化码译码。本发明基于干扰参数识别结果，在发送端已知干扰位置以及能够表征信道受干扰程度的信干噪比(Signal to Jamming plus Noise Ratio,SJNR)信息的前提下，根据高斯近似方法衡量极化子信道的可靠度，并根据子载波受干扰程度的不同对编码比特进行极化映射，将具有高可靠度的编码比特映射到不受干扰或受干扰程度较小的子载波上，具有低可靠度的编码比特映射到受严重干扰的子载波上，通过额外的极化映射增强了干扰信道下极化码的传输性能。
-
公开(公告)号：CN114900840A
公开(公告)日：2022-08-12
申请号：CN202210517543.5
申请日：2022-05-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种无人机MEC通信网络中的免授权频谱接入方法，属于无线通信领域。该方法包括：无人机同时携带基站和MEC服务器调用免授权频谱为不同需求的移动用户提供服务，将无人机每个时隙划分为实时传输和非实时功控传输阶段。在实时传输阶段，无人机同时为上行计算用户和下行实时通信用户提供服务。在非实时功控阶段，WiFiAP区域外的部分下行非实时功控用户能够与WiFi设备同时同频传输。基于设计的接入方案，联合考虑占空比分配、飞行轨迹、功控用户的功率分配和实时传输阶段用户的带宽分配，建立计算用户总卸载量最大的优化问题，并提出基于块坐标下降和连续凸逼近方法的多变量迭代算法进行求解。本发明能够有效提高总卸载量和免授权频谱效率。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.07 seconds)
