-
公开(公告)号：CN113423110A
公开(公告)日：2021-09-21
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：CN113381952A
公开(公告)日：2021-09-10
申请号：CN202110640980.1
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: H04L25/02 , H04B7/0413
Abstract: 本发明公开了基于深度学习的多天线系统信道估计方法，适用于估计上行多径信道，本发明基于条件生成对抗网络实现，条件生成对抗网络包括基于深度学习网络的生成器与判别器两部分，该方法包括离线训练和在线测试两部分：离线训练首先根据真实信道测量值生成训练样本，然后利用生成器获得训练样本对应的估计信道；其次由判别器得到判别输出，计算损失函数更新判别器和生成器的网络参数；循环迭代完成后将训练完成的生成器神经网络存储于基站处；在线测试阶段，将量化后的导频信号和原导频信号输入训练完成的生成器，获得用户到所有天线的估计信道。与现有技术相比，能有效降低估计的归一化均方误差。
-
公开(公告)号：CN113365312A
公开(公告)日：2021-09-07
申请号：CN202110689823.X
申请日：2021-06-22
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明公开了强化学习和监督学习相结合的移动负载均衡方法，包括以下步骤：首先初始化参数；然后开始当前轮次的循环，获取系统初始状态，开始每轮内部的小步的循环，进行强化学习过程，小步循环结束，转入下一轮次进行循环，直到达到设定的最大轮次，循环结束：更新数据池并采样，更新每一个实际执行网络的参数，最后将系统内各个基站的状态作为实际执行网络的输入，得到网络的输出值即每个基站自身的小区偏置值，并作用到系统中的各个基站，根据A3事件对用户进行切换，从而实现用户与基站之间的重新分配，进而降低过载小区的负载，实现系统的负载均衡。本发明具有较高的稳定性和负载均衡能力，以及较好的泛化性和迁移能力。
-
公开(公告)号：CN113365265A
公开(公告)日：2021-09-07
申请号：CN202110651992.4
申请日：2021-06-11
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明公开了一种认知无线网络物理层安全传输方法，包括：首先基站在网络中进行广播，邀请网络中的主、次用户参与安全协作配对，并且提交各自达成协作的要价和出价；然后各主、次用户计算出自身的初始价格，在基于社交关系值对价格进行调整后作为最终价格发送给基站；基站将收到的各主、次用户要价和出价组成集合，然后构建加权二分图，使用KM算法得到用户安全协作的配对结果；最后基站将配对结果在网络中进行广播。本发明可有效激励主、次用户进行安全通信合作；既使得更多主用户进行安全通信成为可能，又使得许多次用户获得频谱资源创造了机会，提升了系统性能，让主用户和次用户都能有所获益。
-
公开(公告)号：CN112217750A
公开(公告)日：2021-01-12
申请号：CN202011074227.2
申请日：2020-10-09
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04L25/02 , H04B17/30 , H04B7/0413 , G06N3/04
Abstract: 本发明一种基于卷积神经网络的信道统计信息估计方法，首先通过频分双工FDD大规模多输入多输出MIMO系统历史上、下行实时信道状态信息CSI，计算出统计CSI作为训练数据集；利用训练数据集对卷积神经网络进行训练，得到训练完成的卷积神经网络；最后，将训练完成的卷积神经网络部署在基站，基站获得上行统计CSI后，输入卷积神经网络估计出下行统计CSI。本方法利用卷积神经网络，挖掘FDD系统上行统计CSI和下行统计CSI之间的非线性关系，建立上行统计CSI和下行统计CSI之间的映射。基于这种映射关系，基站仅使用上行统计CSI，利用卷积神经网络估计得到下行统计CSI，以此减少基FDD站获取下行CSI的开销。
-
Patent Agency Ranking
公开(公告)号：CN111970009A
公开(公告)日：2020-11-20
申请号：CN202010848382.9
申请日：2020-08-21
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明的一种级联极化码比特翻转置信传播编译码方法，适用于无线通信中的信道编码技术领域使用，利用BP译码方法在LDPC和极化码间传递消息，增加了不可靠信道传递信息的正确率；在BP译码失败的情况下利用比特翻转译码方法通过事先构造的关键集合选择不可靠的信息比特判决，置不可靠信道信息比特的先验对数似然比为无穷值；通过试图纠正BP译码器中的错误信息传播，提高了级联码在BP译码方法下的误组率性能。其有效提高关键集合翻转的正确率，能够大大改善误组率，显著提升误组率性能；同时并不会增加译码时延，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：CN111343680A
公开(公告)日：2020-06-26
申请号：CN202010134317.X
申请日：2020-03-02
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参考信号接收功率预测的切换时延减少方法，所述方法利用UE周期性上报的RSRP，将UE接收到的服务小区和邻小区的RSRP视为时间序列，基于长短时记忆网络对时间序列进行预测，为切换的提前准备提供保障。首先采集基站下发的测量控制信息和服务小区和邻小区RSRP样本集合，然后构建服务小区和目标小区的LSTM训练集，并且经过预处理的数据进行目标小区和服务小区模型训练。当服务小区基站通过测量报告记录的RSRP时间序列预测得下一时刻UE接收到目标小区RSRP，并且服务小区RSRP满足A3事件后，在当前时刻进行切换请求，准入控制和切换应答等切换准备，并在下一时刻执行切换。本发明所述方法能够减少切换准备阶段导致的切换时延。
-
公开(公告)号：CN114640442B
公开(公告)日：2024-02-27
申请号：CN202210244672.1
申请日：2022-03-11
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明是一种基于信道密钥和标签信号的物理层身份认证方法，所述的物理层身份认证方法分为信道密钥生成和标签信号嵌入两个方面，包括如下步骤：第一步：合法通信双方获取无线信道信息：第二步：合法通信双方根据获得的信道信息 和 生成初始密钥；第三步：合法通信双方对初始密钥IA和IB进行一致性确认：第四步：合法通信双方根据I′A和I′B生成最终的对称密钥 和 第五步：合法通信双方开始进行消息传递：对于时变信道而言，本发明中的物理身份认证方案可以保持恒定的认证准确率，并且与基于核函数的智能认证方案相比，本发明中的方案无需实时更新认证模型参数，仅需要认证者提取标签信号，大幅度减小了在线认证的计算开销。
-
公开(公告)号：CN117062136A
公开(公告)日：2023-11-14
申请号：CN202311085232.7
申请日：2023-08-28
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明提出一种基于混合生成对抗网络的无线网络中断检测方法，搜集无线通信系统关键性能指标KPI，并形成数据集X；使用数据集X训练改进后的混合生成对抗网络CWGAN‑GP‑AC，利用第二步中训练完成的混合生成对抗网络CWGAN‑GP‑AC模型生成中断数据，组成数据平衡的数据集V；计算平衡的数据集V中的样本权重，训练人工神经网络ANN，获得中断检测模型；直接将实时搜集到的基站KPI输入ANN，进行中断检测；一方面通过混合GAN对中断数据进行过采样生成平衡的合成数据集，另一方面利用合成数据集训练人工神经网络ANN，得到适用于当前环境的中断检测分类模型。相较于传统分类方法以及数据过采样方法，本方法中断检测性能显著改善。
-
公开(公告)号：CN116133036A
公开(公告)日：2023-05-16
申请号：CN202310140249.1
申请日：2023-02-21
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04W24/08 , H04L41/0631 , H04L41/16
Abstract: 本发明提供一种用于用户稀疏通信系统的故障确认方法，利用发生故障网络和正常运行网络KPIs之间的相似度，将网络进行分区，仅提取各个分区内与网络故障确认最相关的网络关键性能指标作为后续机器学习的训练序列，从而降低本方法对分区用户数目的要求，减轻用户分布不均衡对无线通信系统故障确认的不良影响。因根据数据相似度特征提取过程中存在随机抽样，因此稳定性低，但由于对区域内用户数目要求低，在面对网络用户分布不均的情况下，性能表现好。本方法降低对分区用户数目的要求，减轻用户分布不均衡对无线通信系统故障确认的不良影响。
-
-
-
-
-
-
-
-
-
Search Results
351
records
(took 0.038 seconds)
