-
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。
-
公开(公告)号：CN114598655A
公开(公告)日：2022-06-07
申请号：CN202210235344.5
申请日：2022-03-10
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04L47/125 , H04L41/0894 , G06N3/04 , G06N3/08
Abstract: 本发明是一种基于强化学习的移动性负载均衡方法，首先基于各基站剩余负载构建优化目标，再将移动性负载均衡问题建模成马尔科夫决策过程，然后使用无模型的深度强化学习方法即柔性动作‑评价方法对最佳移动性参数调整进行求解，通过操作维护管理系统网管层与网络环境的交互，不断训练强化学习策略网络，得到每一个网络负载状态下的最优移动性参数，改善网络中负载不均衡性，降低网络负载，提高网络接入新用户能力。
-
公开(公告)号：CN114269014A
公开(公告)日：2022-04-01
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
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。
-
公开(公告)号：CN113556211A
公开(公告)日：2021-10-26
申请号：CN202110833801.6
申请日：2021-07-23
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异步多级比特交织编码调制方法，包括以下步骤：首先通过遍历搜索得到最佳的编码模式和调制模式用于系统编码和调制，然后使用高斯近似方法得到信息比特的传输位置；进行极化码编码；对编码后的数据进行交织；发送端数据存储；调制；接收端接收信号；计算并存储符号似然比；译码及码重构；存储比特序列。本发明在误组率性能无损的情况下降低了存储和译码复杂度，适用于实际的通信应用。
-
公开(公告)号：CN113556135A
公开(公告)日：2021-10-26
申请号：CN202110849031.4
申请日：2021-07-27
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翻转列表的极化码置信传播比特翻转译码方法，使用的码字是循环冗余检验(CRC)码和极化码形成的级联码。本发明中的方法在传统BP译码结果未通过CRC校验的情况下，通过对BP译码方法中的译码结果进行分析，构造冻结翻转列表(FFL)，对极化码位于FFL内的信息比特进行翻转(本发明中的比特翻转是通过对接收端被翻转比特的对数似然比的符号翻转，而其对数似然比的绝对值不变来实现的)，能够纠正部分BP译码器中的错误，进而改善BPF译码方法的误块率性能。
-
Patent Agency Ranking
公开(公告)号：CN113315526A
公开(公告)日：2021-08-27
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：CN112399413A
公开(公告)日：2021-02-23
申请号：CN202011239068.7
申请日：2020-11-09
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明是一种基于深度支持向量描述方法的物理层身份认证方法，该身份认证方法中，数据样本将通过神经网络从样本空间映射到一个超球体中，在训练模型阶段，通过迭代不断更新神经网络权重，使得数据样本尽可能多地映射到超球体内，同时保证超球体体积最小；在认证阶段，若数据样本映射到超球体内，则视为合法信息发送者信息，反之，则视为攻击者信息。在通信系统中存在合法信息发送者、合法信息接收者和攻击者，合法信息发送者和合法信息接收者在攻击者存在的情况下相互通信。攻击者可能会伪冒成合法信息发送者向合法信息攻击者发送信号，而本发明中的物理层身份认证技术旨在帮助合法信息接收者判断接收到的信号是源自于合法信息发送者还是源自于攻击者。
-
公开(公告)号：CN112291808A
公开(公告)日：2021-01-29
申请号：CN202011201026.4
申请日：2020-11-02
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明的一种基于深度学习的区域网络流量预测方法为：1.获取区域网络流量序列，统计其在每个时刻使用的流量值：2.根据区域流量序列的空间相关性以及时间相关性，抽取对应特性的流量矩阵序列作为深度学习预测模型的输入；其中时间相关性包括包括紧密性、周期性、趋势性：3.对于步骤2得到的三个输入流量矩阵序列，分别用3D卷积神经网络和ConvLSTM进行时间和空间相关性的提取；4.融合三个流量矩阵序列各自由3D卷积和ConvLSTM提取的特征，基于注意力机制进行最终的流量预测；本发明通过时间序列抽取的方法在有限的输入长度下涵盖了流量序列的周期变化特性，以较高的准确率预测下一时刻的区域网络流量值，有利于无线资源的合理分配，提高资源利用率。
-
公开(公告)号：CN114584152B
公开(公告)日：2024-11-05
申请号：CN202210215907.4
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: H03M13/13
Abstract: 本发明公开了一种适用于极化码调制的滑动窗软串行抵消列表译码方法，包括以下步骤：接收端初始化；对t时刻长度为K的源信息比特序列θt进行滑动窗译码；如果译码状态s0＝0，执行二次迭代过程；输出θt的估计#imgabs0#如果s0＝1，对#imgabs1#进行码重构得到wt的估计#imgabs2#更新#imgabs3#使得#imgabs4#与#imgabs5#相一致；令t′＝t+Lw，计算#imgabs6#更新s；令t＝t+1，返回第二步直到输出所有发送的源信息比特序列的最终估计序列。该方法结合了空间耦合结构和软输入软输出迭代译码的优势，优化了系统的误组率性能。
-
公开(公告)号：CN117792612A
公开(公告)日：2024-03-29
申请号：CN202410007159.X
申请日：2024-01-03
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04L9/00 , H04L9/32 , H04B17/382
Abstract: 本发明提出的基于区块链的两阶段频谱感知共识方法，目标通信区域内包含区块链、频谱管理机构、基站以及感知设备；在加入区块链之前，每个用户需要向频谱管理机构进行身份注册认证，并获得系统参数、身份标识以及公私钥对；在区块共识过程中一方面利用联盟链的特性将共识节点进行分组共识，另一方面引入基于SM9算法的聚合签名方法，不仅保障了用户身份隐私安全，而且解决了证书管理问题，大大降低通信开销与延迟，提高群智频谱感知效率。
-
-
-
-
-
-
-
-
-
Search Results
351
records
(took 0.047 seconds)
