-
公开(公告)号:CN113316163A
公开(公告)日:2021-08-27
申请号:CN202110676466.3
申请日:2021-06-18
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明公开了基于深度学习的长期网络流量预测方法,包括:首先获取区域网络流量序列,统计其在每个时刻内使用的流量值;然后对流量矩阵序列进行预处理,得到Transformer模型的输入数据;其次,建立Transformer模型,对于二维矩阵数据采用Transformer模型进行时间相关性和空间相关性的自适应提取;最后,采用自适应的训练机制进行模型训练。本发明提高了网络流量多步长期预测的准确性,以便于运营商对未来的网络资源提前进行规划,有利于无线资源的合理分配。
-
公开(公告)号:CN112995892A
公开(公告)日:2021-06-18
申请号:CN202110170260.3
申请日:2021-02-08
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04W4/02 , H04B17/309 , H04B7/0413 , G06N3/08 , G06N3/04 , G06F16/29
Abstract: 本发明公开了基于复数神经网络的大规模MIMO指纹定位方法,主要包括离线阶段和在线阶段两个部分。离线阶段,首先在定位区域内等间隔划分样本点,基站端收集用户位于定位区域各样本点上的位置指纹信息,构建位置指纹数据库;将各样本点的位置指纹信息作为复数神经网络输入,对应样本点的位置作为复数神经网络的输出标签,构建复数神经网络,并通过指纹数据库对其进行训练。在线阶段,基站端利用离线阶段训练好的复数神经网络,并基于实时接收到的用户的位置指纹,利用训练后的复数神经网络运算得到用户的位置坐标,实现较高精度的用户定位。
-
公开(公告)号:CN112989747A
公开(公告)日:2021-06-18
申请号:CN202110522320.3
申请日:2021-05-13
Applicant: 网络通信与安全紫金山实验室 , 深南电路股份有限公司 , 东南大学
IPC: G06F30/392 , G06F115/12
Abstract: 本申请公开了一种射频传输线的布线方法、布线装置及存储介质,该布线方法应用于软件allegro,包括:在接收到射频布线指令后,获取常规布线模式下生成的常规布线图中的常规走线;根据射频布线要求确定修正图形;在常规走线所对应的常规走线图形上切除修正图形,得到射频走线图形;在常规布线图中按照射频走线图形绘制射频走线,而后删除常规走线。本申请的布线方法能够在常规布线模式下实现布射频传输线,提高布线效率。
-
公开(公告)号:CN110972174A
公开(公告)日:2020-04-07
申请号:CN201911214239.8
申请日:2019-12-02
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稀疏自编码器的无线网络中断检测方法,该方法首先搜集网络关键性能指标,然后将KPI信息构建数据集S,并且对数据集S按照标签进行进一步的划分,对子集S1和S0分别进数据计算后重组数据集V,接着对于数据集V利用自编码器进行处理,通过定义稀疏自编码器的代价函数和反向算法进行计算,得到新的数据训练集U,依据此数据训练集建立无线网的中断检测模型,最后实现根据网络中用户实时上报的KPI信息xi,进行中断检测。本发明实现了小样本数据下的无线网高精度检测,也节省了搜集数据的大量时间。
-
公开(公告)号:CN110958044A
公开(公告)日:2020-04-03
申请号:CN201911213287.5
申请日:2019-12-02
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密度聚类的非正交多址接入用户聚类方法,该方法基于密度的带有噪声的空间聚类方法处理NOMA场景中的用户聚类问题,包括对用户进行DNSCAN聚类,在聚类完成后对每个聚类中的核心点数据取算术平均作为该聚类的质心数据,并将当前仍存在的不属于任何聚类的噪声点和不确定归属的边缘点划分至距其欧式距离最近的核心点所在的聚类。借助波束的方向性和后续的波束赋形设计,可以有效减少聚类间用户带来的干扰,从而有效提高系统的整体信息传输速率。本发明所述的方法基于DBSCAN的聚类方法无需提前指定聚类数目,聚类数目可以通过密度聚类过程自动确定,在具有复杂用户分布的实际场景中具有很重要的意义。
-
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。
-
公开(公告)号:CN114598655B
公开(公告)日:2024-02-02
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 , G06N3/045 , G06N3/047 , G06N3/092
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:CN116647873A
公开(公告)日:2023-08-25
申请号:CN202310437542.4
申请日:2023-04-21
Applicant: 网络通信与安全紫金山实验室 , 东南大学
IPC: H04W28/06 , H04B7/0413 , H04B7/0456 , G06N3/0985
Abstract: 本发明提供一种无线网络资源管理优化方法、装置、电子设备及存储介质,该方法包括:确定无线网络资源管理优化问题,并获取无线网络资源管理优化问题的输入参数向量;将输入参数向量输入至目标深度展开网络,得到无线网络资源管理优化问题的求解结果;根据求解结果,进行无线网络资源的管理优化;目标深度展开网络是基于无线网络资源管理优化问题的样本输入参数向量和样本输入参数向量对应的优化问题求解结果,对目标深度展开网络的超参数进行训练得到的;超参数包括优化变量的迭代步长、对偶变量的迭代步长和惩罚参数中的一种或多种。扩展了优化问题求解的适用性,提高了小样本优化问题求解的准确度。
-
公开(公告)号:CN111935830B
公开(公告)日:2023-04-28
申请号:CN202010670290.6
申请日:2020-07-13
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04W72/0453 , H04W72/0446 , H04W72/542 , H04W72/543 , H04W72/541 , H04W12/122 , H04W12/033 , H04B17/382 , H04W16/14
Abstract: 本发明提供了一种基于匹配论的认知无线网络物理层安全传输方法,对网络中的主、次用户按照分布式匹配方法进行匹配;成功配对的主用户在配对的次用户协助下根据匹配得到的保密速率在(1‑α)*T时隙时间内进行传输,成功配对的次用户在剩余α*T时隙时间进行自己的传输。未匹配的主用户如果直接传输保密速率高于最小保密速率要求,就以直接传输保密速率在T时隙时间内传输。本发明利用频谱资源激励多个主、次用户达成匹配关系,次用户通过协作主用户的保密传输获得频谱资源,在提升主用户保密速率的同时,为次用户创造了更多的传输机会。所有参与协作安全传输的用户能够获得更加合理的频谱资源,充分调动了次用户参与协作的积极性。
-
-
-
-
-
-
-
-
-