-
公开(公告)号：CN107707031A
公开(公告)日：2018-02-16
申请号：CN201710763109.4
申请日：2017-08-30
Applicant: 南京邮电大学
CPC classification number: H02J50/10 , B64C39/02 , B64C2201/12
Abstract: 本发明公开了一种采用无人机代理的空中无线传能系统，属于新一代空中交通和再生能源利用技术领域。该系统设计了一种具有免停靠特点的无人机(UAVs)能量充电架构，实现了一种空中充电平台的架构。该架构包含由充电线圈组成的地面无线电发射阵列和处于阵列有效辐射角内的空中无人机代理(P-UAVs)，还涉及与机器学习有关的智能信息处理与控制机制。对于待充电的UAVs，P-UAVs可以主动定位和跟踪UAVs并且可以对其进行无线传能，从而扩展了原有无线传能装置的覆盖范围。本发明扩展了地面无线充电阵列的全向覆盖范围，减少了地面充电阵列设备的部署数量，从而降低了部署成本；免停靠特点也提高了空中交通中能量充电与交通运行的效率。
-
公开(公告)号：CN114189870B
公开(公告)日：2025-04-08
申请号：CN202111512524.5
申请日：2021-12-08
Applicant: 南京邮电大学
IPC: H04W16/10 , H04W72/044 , H04W72/0453 , G06N3/092
Abstract: 本发明是一种基于多智能体深度强化学习的多小区多业务资源分配方法，适用于多小区eMBB和URLLC用户系统的资源分配问题。包括如下步骤：步骤1：构建用于解决多小区eMBB和URLLC用户系统资源分配的多智能体网络；步骤2：状态获取；步骤3：子信道分配和功率分配；步骤4：反馈获取和参数更新；步骤5：决策驱动机制。该方法有效降低了网络的输入输出维度、信令开销以及计算复杂度，很好地保证了多小区eMBB和URLLC用户的服务满意度水平，进而提高了整个系统的性能。
-
公开(公告)号：CN119652368A
公开(公告)日：2025-03-18
申请号：CN202411785759.5
申请日：2024-12-06
Applicant: 南京邮电大学
IPC: H04B7/0413 , H04B7/06 , H04B7/08 , H04L25/02
Abstract: 本发明涉及无线通信技术领域，具体为一种超大规模MIMO的近场宽带非平稳信道估计方法，包括：基于近场宽带非平稳信道模型，利用接收信号与极域样本匹配分析位置参数与频率的线性关系，获取与每条物理路径最相关的位置参数；根据位置参数与频率的线性关系，分析频率相关可视区域的偏移关系；基于可视区域的偏移关系，利用天线接收信号功率分别设计粗略估计和精确估计，分析频率相关可视区域范围，确认信道增益的精确估计值；累积相同频率下各物理路径中根据位置参数、可视区域和信道增益重构信道的结果，从而恢复整个宽带信道，并利用可视区域的偏移关系优化信道估计过程，实现高效重构。
-
公开(公告)号：CN119577543A
公开(公告)日：2025-03-07
申请号：CN202411641295.0
申请日：2024-11-18
Applicant: 南京邮电大学
IPC: G06F18/241 , H04L9/40 , G06F18/25 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于特征融合和分组空洞卷积网络的加密流量分类方法，该方法以高精度识别网络流量，同时保障隐私和计算效率，包括：数据预处理，通过分段、过滤和截断，仅保留26个字节以保护隐私；特征提取，采用双滑动窗口机制和设计的哈希函数，配合嵌入层生成具象和抽象特征并实现联合特征表示；在模型设计中，首先进行轻量化卷积网络设计，通过轻量化分组空洞卷积结构来扩大感受野，加入通道混合和逐点卷积增加通道间交流；然后在分类输出阶段，使用余弦退火机制动态调整学习率，以提升训练效果和收敛速度。本发明在准确性、稳定性、处理速度和资源占用方面优于现有轻量化方法，适合资源受限设备的高效流量分类应用，具有实用和推广价值。
-
公开(公告)号：CN114531685B
公开(公告)日：2025-01-17
申请号：CN202210162552.7
申请日：2022-02-22
Applicant: 南京邮电大学
Abstract: 本发明是一种基于迁移强化学习的资源分配方法，该资源分配方法适用于上行多小区的混合多址接入场景，包括：步骤1：搭建用于资源分配的深度强化学习网络；步骤2：进行MA‑DRL与环境的交互，每一轮交互中；步骤3：进行MA‑DRL的训练过程，训练将依据步骤2中交互得到的经验块进行，将每次与环境交互得到的经验块都存入记忆库中，并施加价值标签，抽取记忆块时选取价值标签更大的经验块；步骤4：在资源分配网络的基础上，提出一种基于MA‑DRL的迁移学习方案。本发明提出的资源分配方法以最大化所有用户总速率为目标，可以有效地提升用户总速率，并且和迁移学习结合后可以达到更快的收敛速度。
-
Patent Agency Ranking
公开(公告)号：CN119171948A
公开(公告)日：2024-12-20
申请号：CN202411224855.2
申请日：2024-09-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于延时器的近场宽带均匀平面天线阵列的波束失焦抑制方法，包括如下步骤：S1、对近场均匀平面阵列进行建模；S2、提出一种全连接的延时器辅助波束成形架构，利用延时器取代传统波束成形架构中的相移器辅助波束成形；S3、将全连接的延时器辅助波束成形架构进行优化得到分层延时器波束成形架构，将波束失焦解耦为分别由天线阵列横向与纵向结构影响的两部分；S4、基于实际延时器约束下的分层延时器波束成形架构，提出波束成形的延时器配置方案。可以有效的抑制波束失焦，在不同子载波频率上保证预期覆盖位置的波束增益，同时所提出延时器配置方案可以有效降低系统硬件开销，并适应实际系统中的延时器性能约束。
-
公开(公告)号：CN118643364A
公开(公告)日：2024-09-13
申请号：CN202410806604.9
申请日：2024-06-21
Applicant: 南京邮电大学
IPC: G06F18/23213 , G06F18/2431 , G06F18/214 , G06N3/04 , G06N3/088 , G06N3/09
Abstract: 本发明公开了一种改进的基于置信度SOM模型聚类方法。样本数据先由k‑means算法初步分类，为模型训练提供更多的数据信息；将预分类后的数据分别训练相互独立的SOM模型，以消除不同类之间的影响；在传统SOM模型基础上提出置信度矩阵概念，通过综合判断获胜神经元的置信度及其与输入数据间的欧氏距离最终得到置信神经元，根据置信神经元所属类别给数据分配聚类标签。利用icSOM对莺尾花数据集(IRIS)聚类分析，实验结果表明，本发明可以更好地处理样本数据，取得较好的聚类效果。
-
公开(公告)号：CN118432668A
公开(公告)日：2024-08-02
申请号：CN202410373965.9
申请日：2024-03-29
Applicant: 南京邮电大学
IPC: H04B7/06 , H04B7/08 , H04B7/0456 , H04B7/01
Abstract: 本发明公开了一种面向近场柱状天线阵列系统的波束失焦抑制方法，该方法包括如下步骤：步骤1：利用三维极坐标表征用户与CLA的相对位置，并利用近场宽带CLA通信系统中用户与天线阵列中元素之间的几何关系，推导了该场景下的波束聚焦矢量，并构建传统的基于移相器的预编码架构；步骤2：分别对Msum个时延器(TTD)进行配置，Msum数量等于柱状天线层数，以消除柱状天线的线性结构所引起的波束偏移；步骤3：分别对N个TTD进行配置，N数量等于柱状天线每层元素的个数，以消除柱状天线的环状结构所引起的波束偏移；步骤4：构建两阶段的延迟相位预编码(DPP)架构。本发明提出的两阶段DPP架构可以有效消除波束失焦，在实现次最优的性能同时显著降低硬件开销。
-
公开(公告)号：CN117040666A
公开(公告)日：2023-11-10
申请号：CN202310917523.1
申请日：2023-07-24
Applicant: 南京邮电大学
IPC: H04B17/345 , H04B17/391 , H04B17/309
Abstract: 本发明公开了一种智能通信对抗方法及系统，包括：获取通信方发射机和接收机的地理位置，计算各个信道的信道函数，构建通信方效用模型；获取干扰机的地理位置，计算各个信道的增益，构建干扰机效用模型；基于stackelberg博弈论构建通信对抗的过程，将通信方作为博弈过程中的领导者，干扰机作为博弈过程的跟随者；通过多轮博弈，通信方和干扰方的效用最终收敛，输出稳定状态下通信方和干扰方的策略。本发明在通信方引入了智能反射面，智能反射面根据接收机的位置反射有用信号，同时通过改变干扰信号的相位，使得直射路径和反射路径的信号互相抵消从而抑制干扰信号，有效提高通信方的抗干扰能力。
-
公开(公告)号：CN115687765A
公开(公告)日：2023-02-03
申请号：CN202211356837.0
申请日：2022-11-01
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06Q50/20 , G06Q10/0639 , G06F18/25 , G06F18/22
Abstract: 本发明公开了一种融合时间因子的协同过滤课程推荐方法，针对于传统协同过滤算法存在的矩阵稀疏、冷启动以及忽略时间因素的问题进行了改进，所述方法包括以下步骤：根据用户u对课程j的过往评分，生成评分矩阵，再根据用户对课程的学习行为，生成用户课程行为矩阵，然后基于用户课程行为矩阵，从而去缓解评分矩阵的稀疏性，生成用户‑课程矩阵，再根据用户的一些基本属性生成用户初始化标签；将用户‑课程矩阵融合评分生成的时间因子再和用户初始化标签进行融合，计算出用户相似度，最后筛选出前N个推荐结果。本发明的课程推荐方法能够提升课程推荐的精准度，同时结合线上课程学习的优势，辅助线下课程教学。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.067 seconds)
