-
公开(公告)号：CN110971279B
公开(公告)日：2021-09-21
申请号：CN201911387395.4
申请日：2019-12-30
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04B7/0456 , H04B7/06 , H04B7/08 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种毫米波通信中智能波束训练方法及预编码系统，该智能波束训练方法利用信道的时空相关性，通过感知环境的变化以确定最佳波束所在的码本区间。具体地，本发明利用马尔科夫决策过程(MDP)进行对问题进行建模；基于深度强化学习进行求解，创新性地构造图形化的状态空间以有效利用信道波束空间的结构信息，还提出差分化的动作空间以提高学习效率和收敛速度。本发明设计的智能波束训练方法能够感知环境的变化速率，并自适应地调整波束训练区间，这不仅降低了波束训练开销，同时有效地提高了系统的吞吐量。
-
公开(公告)号：CN110971279A
公开(公告)日：2020-04-07
申请号：CN201911387395.4
申请日：2019-12-30
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04B7/0456 , H04B7/06 , H04B7/08 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种毫米波通信中智能波束训练方法及预编码系统，该智能波束训练方法利用信道的时空相关性，通过感知环境的变化以确定最佳波束所在的码本区间。具体地，本发明利用马尔科夫决策过程(MDP)进行对问题进行建模；基于深度强化学习进行求解，创新性地构造图形化的状态空间以有效利用信道波束空间的结构信息，还提出差分化的动作空间以提高学习效率和收敛速度。本发明设计的智能波束训练方法能够感知环境的变化速率，并自适应地调整波束训练区间，这不仅降低了波束训练开销，同时有效地提高了系统的吞吐量。
-
公开(公告)号：CN114189899A
公开(公告)日：2022-03-15
申请号：CN202111503756.4
申请日：2021-12-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于随机聚合波束成形的用户设备选择方法，在联邦学习聚合模型时，采用空中计算技术提高通信效率，由此产生的聚合误差对最终学习性能存在影响。问题的目标是通过选择用户设备和设计聚合波束成形矢量实现聚合误差最小化和用户设备数最大化两个目标。然后提出了一种基于随机聚合波束成形的用户设备选择方法。在用户设备数量增大时，本发明的算法与原有算法相比能取得更低的聚合误差和选择更多的用户设备，进而获得更好的学习性能。
-
公开(公告)号：CN106842166B
公开(公告)日：2019-04-30
申请号：CN201710206552.1
申请日：2017-03-31
Applicant: 东南大学
Abstract: 本发明公开了一种适用于线性调频连续波雷达系统的解速度模糊方法，首先根据原始的接收中频信号得到第一回波数据和第二回波数据，其次估测目标的距离和模糊速度，接着根据目标距离和模糊速度求出离散傅里叶变化旋转因子，再次利用参考信号进行快时间维的快速傅里叶变化，根据第一步所得目标所处距离单元，得到目标所处距离单元的慢时间维复矢量，最后将慢时间维复矢量与离散傅里叶旋转因子相乘找出最大值对应的真实不模糊速度。本发明创新性地利用了最小公倍数的概念，提供了一种更加简洁有效的解速度模糊的方案，降低了硬件实现复杂度，为整个系统的参数估计与进一步运作提供了可撑的保障。
-
公开(公告)号：CN114204971B
公开(公告)日：2024-01-30
申请号：CN202111504444.5
申请日：2021-12-10
Applicant: 东南大学
IPC: H04B7/06 , H04B7/08 , H04B7/0456 , G06N20/20
Abstract: 本发明公开了一种迭代的聚合波束成形设计和用户设备选择方法，该方法针对一个边缘智能系统，将中心节点和用户设备共同完成机器学习任务的问题建模为一个分布式联邦学习模型，并采用了空中计算技术来提高通信效率，但是该技术会引入聚合误差，因此，本发明通过优化中心节点的波束成形矢量和用户设备选择方案，来减小均方误差，提升模型的学习性能。在选择的用户设备数固定时，本发明与随机用户设备选择方案和基于信道的用户设备选择策略相比能取得更低的聚合误差，进而获得更好的学习性能。
-
Patent Agency Ranking
公开(公告)号：CN107121670A
公开(公告)日：2017-09-01
申请号：CN201710237325.5
申请日：2017-04-12
Applicant: 东南大学
Abstract: 本发明涉及一种针对小型无人机的低复杂度高精度防御系统，该系统通过机械转台搭载毫米波天线对高度未知的空域进行360°圆轨迹环扫，发送固定带宽的线性调频锯齿波。首先，在接收机前端混频得到差拍信号。其次，对差拍信号进行距离向FFT，利用相位补偿将天线阵列虚拟成均匀线性阵和波束成形以提高信噪比。再次利用单元平均选小准则的改进CFAR算法进行信号检测后估计目标的高度角和距离。最后根据所得距离和高度角进行方位向压缩得到无人机的像。对于低空低速无人机，雷达每转一圈就可以得到目标的一个位置，进而画出目标的运动轨迹。本发明创新性地结合SAR成像与空域信号处理算法，可对高度未知的空域进行无中断监测。
-
公开(公告)号：CN114189899B
公开(公告)日：2023-03-31
申请号：CN202111503756.4
申请日：2021-12-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于随机聚合波束成形的用户设备选择方法，在联邦学习聚合模型时，采用空中计算技术提高通信效率，由此产生的聚合误差对最终学习性能存在影响。问题的目标是通过选择用户设备和设计聚合波束成形矢量实现聚合误差最小化和用户设备数最大化两个目标。然后提出了一种基于随机聚合波束成形的用户设备选择方法。在用户设备数量增大时，本发明的算法与原有算法相比能取得更低的聚合误差和选择更多的用户设备，进而获得更好的学习性能。
-
公开(公告)号：CN114204971A
公开(公告)日：2022-03-18
申请号：CN202111504444.5
申请日：2021-12-10
Applicant: 东南大学
IPC: H04B7/06 , H04B7/08 , H04B7/0456 , G06N20/20
Abstract: 本发明公开了一种迭代的聚合波束成形设计和用户设备选择方法，该方法针对一个边缘智能系统，将中心节点和用户设备共同完成机器学习任务的问题建模为一个分布式联邦学习模型，并采用了空中计算技术来提高通信效率，但是该技术会引入聚合误差，因此，本发明通过优化中心节点的波束成形矢量和用户设备选择方案，来减小均方误差，提升模型的学习性能。在选择的用户设备数固定时，本发明与随机用户设备选择方案和基于信道的用户设备选择策略相比能取得更低的聚合误差，进而获得更好的学习性能。
-
公开(公告)号：CN107121670B
公开(公告)日：2020-08-14
申请号：CN201710237325.5
申请日：2017-04-12
Applicant: 东南大学
Abstract: 本发明涉及一种针对小型无人机的低复杂度高精度防御方法，该系统通过机械转台搭载毫米波天线对高度未知的空域进行360°圆轨迹环扫，发送固定带宽的线性调频锯齿波。首先，在接收机前端混频得到差拍信号。其次，对差拍信号进行距离向FFT，利用相位补偿将天线阵列虚拟成均匀线性阵和波束成形以提高信噪比。再次利用单元平均选小准则的改进CFAR算法进行信号检测后估计目标的高度角和距离。最后根据所得距离和高度角进行方位向压缩得到无人机的像。对于低空低速无人机，雷达每转一圈就可以得到目标的一个位置，进而画出目标的运动轨迹。本发明创新性地结合SAR成像与空域信号处理算法，可对高度未知的空域进行无中断监测。
-
公开(公告)号：CN106842166A
公开(公告)日：2017-06-13
申请号：CN201710206552.1
申请日：2017-03-31
Applicant: 东南大学
CPC classification number: G01S7/418 , G01S13/589
Abstract: 本发明公开了一种适用于线性调频连续波雷达系统的解速度模糊方法，首先根据原始的接收中频信号得到第一回波数据和第二回波数据，其次估测目标的距离和模糊速度，接着根据目标距离和模糊速度求出离散傅里叶变化旋转因子，再次利用参考信号进行快时间维的快速傅里叶变化，根据第一步所得目标所处距离单元，得到目标所处距离单元的慢时间维复矢量，最后将慢时间维复矢量与离散傅里叶旋转因子相乘找出最大值对应的真实不模糊速度。本发明创新性地利用了最小公倍数的概念，提供了一种更加简洁有效的解速度模糊的方案，降低了硬件实现复杂度，为整个系统的参数估计与进一步运作提供了可撑的保障。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.033 seconds)
