-
公开(公告)号：CN115470892A
公开(公告)日：2022-12-13
申请号：CN202211261064.8
申请日：2022-10-14
Applicant: 南京邮电大学
Abstract: 本发明公开了基于连续学习的波束成形深度神经网络训练方法及系统，该系统包括内存集模块、混合模块、波束成形矩阵恢复模块、神经网络模块。进入新时隙，在每个时隙的训练过程中，将内存集与当前时隙样本集混合供模型进行训练，在当前时隙的训练周期结束后，将内存集和当前时隙样本集送入训练后的模型产生预测输出。针对所有样本的预测值，模型计算性能函数值，依据每个样本性能，按不同比例从内存集和当前时隙样本集中挑选性能表现差的样本更新内存集，再次进入新的时隙时，并迭代执行上述步骤，获得最优模型权重。本发明基于连续学习的波束成形深度神经网络训练方法适应动态变化的实际通信环境，在信道分布变化的情况下保持良好的通信性能。
-
公开(公告)号：CN115065392A
公开(公告)日：2022-09-16
申请号：CN202210561244.1
申请日：2022-05-23
Applicant: 南京邮电大学
IPC: H04B7/06 , H04B7/08 , H04B17/336 , H04B17/391 , G06N3/04 , G06N3/08
Abstract: 本发明公开了脏纸编码条件下实现MISO下行总和速率最大化的波束形成设计方法，步骤依次为：设计波束形成网络，包括深度神经网络模型和波束形成恢复模型；获得深度神经网络模型所需要的训练样本集，并进行优化训练；在深度神经网络模型中利用信道状态信息生成关键向量；在波束形成恢复模型中计算下行功率分配，利用信道状态信息、关键向量与下行功率构造波束成形矩阵。本发明采用脏纸编码和上下行链路对偶知识，有效降低了复杂度，在性能和复杂度上取得了良好的平衡。
-
公开(公告)号：CN114900210A
公开(公告)日：2022-08-12
申请号：CN202210467982.X
申请日：2022-04-24
Applicant: 南京邮电大学
IPC: H04B7/0413 , H04B7/06 , H04B7/08 , H04B17/391 , G01S7/02 , G01S7/42
Abstract: 本发明公开了一种大规模MIMO通感共存系统中通信波束和雷达波形的设计方法。其系统是基于统计CSI辅助的大规模MIMO通感共存系统，包括工作在同频段上的通信子系统和雷达子系统。其通信波束和雷达波形的设计方法包括：初始化雷达波形、通信波束的值均为单位阵，等效信道参数的初始值均为1；基于统计CSI分别设计通信波束和雷达波形；最后判断等效信道参数是否收敛，如果收敛，则获得最优的通信波束和雷达波形；如不收敛，则跳到设计通信波束和雷达波形的步骤。本发明基于统计CSI推导出通信波束和雷达波形，在不需要获取准确的瞬时CSI前提下能够消除雷达对通信系统的干扰，可有效降低系统的开销和实现复杂度，大大提高了实用性。
-
公开(公告)号：CN114841366A
公开(公告)日：2022-08-02
申请号：CN202210408140.7
申请日：2022-04-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无线联邦学习的学习模型训练方法，该方法按以下步骤进行：1)以任务发布者发出的奖励R和移动用户n的本地迭代精度εn作为变量，采用主从博弈法，确定最佳奖励和移动用户n的最佳本地精度值2)系统根据所得奖励值和本地精度值初始化相关参数完成模型训练。本发明中任务发布者通过设定合理的奖励鼓励移动用户参与训练提升模型精度，同时移动用户能够根据自身的资源状态确定本地精度，最终实现任务发布者和移动用户最大化各自的效益。
-
公开(公告)号：CN114245449A
公开(公告)日：2022-03-25
申请号：CN202111434734.7
申请日：2021-11-29
Applicant: 南京邮电大学
IPC: H04W52/34
Abstract: 本申请涉及一种5G边缘计算环境下终端能耗感知的任务卸载方法。该方法包括：建立全双工自回程异构蜂窝终端总能耗优化模型，计算终端功率耦合约束的边界条件，针对终端功率不耦合场景，对所述总能耗优化模型进行简化，然后利用最优性条件求解最优的终端功率、终端连接关系以及终端传输时长，获得第一优化结果，针对终端功率耦合场景，利用第一优化结果，对所述总能耗优化模型重新建模并求解，获得第二优化结果，然后根据该第二优化结果对第一优化结果进行修正，输出最终优化结果，利用终端功率耦合约束的边界条件对场景进行划分，从而实现解耦，大大降低了算法复杂度，提升了求解速度，从而高效降低终端能耗。
-
Patent Agency Ranking
公开(公告)号：CN114089744A
公开(公告)日：2022-02-25
申请号：CN202111285053.9
申请日：2021-11-01
Applicant: 南京邮电大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于改进Raft算法选择车辆队列领航车的方法，包括1)车辆队列初始化，将具有相同目的地且车辆间保持稳定较小车距的车辆编队；2)选择临时领航车；3)基于车辆动力性能指标参数的加权评估值选择队列候选领航车；4)利用改进Raft算法选出队列领航车和备用领航车；5)实时检查领航车状态，当领航车出现异常情况时及时采用备用领航车进行工作。本方法在车辆队列行驶时，能够快速选举出领航车，进而有效的控制整个队列的行驶。在发生突发状况时，领航车能够迅速做出反应，从而阻止事故的发生，增强行车安全性。特别地，备用领航车在当前领航车失效或发生故障时，进一步保证车辆队列行驶的安全与稳定性。
-
公开(公告)号：CN113347639B
公开(公告)日：2021-11-16
申请号：CN202110893800.0
申请日：2021-08-05
Applicant: 南京邮电大学 , 中兴通讯股份有限公司
Abstract: 本发明公开了一种基于协同通信的混合接入频谱的方法，物联网环境下协作认知无线电网络包括1个原始发信者PS、1个原始收信者PD、1个聚合中心FC和含有N个次级用户SU的协作认知无线电网络用户集，聚合中心FC利用信道状态信息设计物联网环境下协作认知无线电网络混合接入频谱方法；本方法在频谱资源受限的情况下，增强通信主路传输性能，兼顾物联网环境下协作认知无线电网络的数据传输，提升系统吞吐量，从而提高频谱效率。
-
公开(公告)号：CN113406965A
公开(公告)日：2021-09-17
申请号：CN202110598760.7
申请日：2021-05-31
Applicant: 南京邮电大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于强化学习的无人机能耗优化方法，方法应用在无人机网络中，方法步骤如下：首先构建无人机与地面传感器之间的通信系统模型；然后在上述系统模型基础上，计算无人机遍历单个传感器的飞行能耗；接着在无人机遍历单个传感器的飞行能耗基础上，计算得到无人机遍历所有传感器的整体能耗(飞行能耗+通信能耗)；最后使用基于Q‑learning的无人机的路径选择算法，得到无人机最优遍历路径，求解无人机遍历所有传感器的最优能耗。本发明相对于已知的其他算法，在能耗表现上得到了提升。
-
公开(公告)号：CN113316116A
公开(公告)日：2021-08-27
申请号：CN202110587171.9
申请日：2021-05-27
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于多臂赌博机的车辆计算任务卸载方法，主要针对车辆边缘网络中边缘服务器的部署数量有限，以及一些高性能车辆的计算资源被闲置浪费的问题，首先该方法将行驶中的车辆分为任务车和服务车，任务车将计算任务卸载到单个服务车或一组服务车；接着建立基于熵值的任务优先级模型，得到任务请求消息的优先级之后，根据每个请求的优先级将计算任务放入优先级队列之中，按照优先级队列处理计算任务；然后给出任务卸载模型，对计算和通信资源进行数学分析，以最小化系统整体处理延迟为目标得出优化问题，并利用基于UCB的算法求解任务卸载策略。该方法充分利用了高性能车辆的闲置计算资源，同时也降低了其他车辆的计算任务处理延迟。
-
公开(公告)号：CN109617584A
公开(公告)日：2019-04-12
申请号：CN201910014714.0
申请日：2019-01-08
Applicant: 南京邮电大学
IPC: H04B7/0456 , H04B7/06 , H04B7/08 , H04B17/391
Abstract: 一种基于深度学习的MIMO系统波束成形矩阵设计方法，步骤如下，首先利用已知算法获得深度学习网络所需要的训练样本集；接着构建深度学习神经网络模型，初始化模型相关参数并利用训练样本集进行训练；然后利用导频获取信道送入神经网络预测出波束成形矩阵系数，最后将信道与波束成形矩阵系数组合，构成波束成形矩阵。该方法利用深度学习神经网络获得的波束成形矩阵能够同时兼顾性能与算法复杂度，可以在保证性能的前提下降低时延，使得MIMO系统能提供实时服务。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.023 seconds)
