-
公开(公告)号：CN118468114A
公开(公告)日：2024-08-09
申请号：CN202410699026.3
申请日：2024-05-31
申请人： 中国人民解放军陆军工程大学
IPC分类号： G06F18/241 , G06F18/214 , G06N3/0464
摘要： 本发明公开了一种通信干扰模式识别方法、装置、系统及存储介质，属于无线通信技术领域，方法包括：将源域数据输入至预购建的卷积神经网络进行分类并按照分类打上标签；将目标域数据输入至卷积神经网络进行分类并按照分类打上伪标签；将打上标签的源域数据和打上伪标签的目标域数据输入至卷积神经网络进行特征提取；基于源域数据与目标域数据之间的边缘概率分布和条件概率分布，利用最大均值差异度量源域数据与目标域数据之间的分布差异，将源域数据和目标域数据的特征空间对齐；基于空间对齐的源域数据和目标域数据的特征，获取目标域数据的预测标签，进而获取通信干扰模式识别结果。该方法能够提高通信干扰模式识别的准确性。
-
公开(公告)号：CN118921099A
公开(公告)日：2024-11-08
申请号：CN202410908587.X
申请日：2024-07-08
申请人： 中国人民解放军陆军工程大学
IPC分类号： H04B7/185 , H04B17/391 , H04W4/44 , G06N3/092
摘要： 本申请提供一种基于多智能体强化学习的无人机辅助通信抗干扰方法，网络由多个地面用频设备及无人机基站组成，每个地面节点需要将数据上传至无人机；此外，网络外部受到多个不同类型的恶意干扰机攻击。网络中地面节点通过宽带频谱感知当前时刻各频段信号能量，无人机根据地面节点的服务质量动态调整轨迹，采用多智能体强化学习动态调整地面节点发射功率、信道接入策略及无人机轨迹。方法为：用户、无人机依次基于PPO算法选择一个策略，根据该策略的奖励值和下一步环境状态进行训练，并更新网络权重和策略；当达到最大迭代次数时，算法结束。本发明模型完备，设计算法合理有效，既能避免干扰，也能保证用户服务质量，有效提高了网络通信吞吐量。
-
公开(公告)号：CN118764118A
公开(公告)日：2024-10-11
申请号：CN202410783048.8
申请日：2024-06-18
申请人： 中国人民解放军陆军工程大学
IPC分类号： H04B17/391 , H04B1/02 , H04B1/06
摘要： 本发明公开了一种面向大决策空间的高效抗干扰模型及学习方法。考虑一个集中式决策的无线通信抗干扰场景，通信方包括一个接收机和n个发射机，干扰方仅包含一个模式化的干扰机。接收机进行集中式决策，其决策空间的大小随发射机数目呈指数增长。为解决传统的抗干扰决策方法在面对大决策空间时性能不佳的问题，本发明设计了一种面向大决策空间的高效抗干扰学习方法，在传统的神经网络的基础上，引入动作分支架构对决策空间进行分解，将指数级增长的输出节点的数目降为线性增长；设计基于非法动作屏蔽的顺序决策机制，通过剔除非法动作来缩小合法动作空间，从而加速算法收敛。本发明模型完备，物理意义清晰，算法设计合理有效，能够很好地刻画大决策空间下的智能通信抗干扰场景。
-
公开(公告)号：CN117997465A
公开(公告)日：2024-05-07
申请号：CN202410198289.6
申请日：2024-02-22
申请人： 中国人民解放军陆军工程大学
摘要： 本发明公开了一种鲁棒的智能选频对抗博弈模型及学习方法。考虑一个由红蓝双方组成的通信对抗场景，蓝色方包括两个用户和一个基站，红方则包括一个干扰机。干扰机可采取固定模式、反应式和主动式等多样化的干扰策略。为获得鲁棒的抗干扰通信效果，通信方引入虚拟干扰进行对抗训练。由于无法获取干扰方的信息，通信方只能参照自身参数来配置虚拟干扰。为避免对某一虚拟干扰过拟合，进一步引入虚拟智能体库以保证对手的多样性。虚拟干扰定期将历史版本的策略作为独立智能体保存至虚拟智能体库，通信方则按照规则从该库中挑选出作为对手进行对抗训练，从而获得鲁棒的选频抗干扰策略。本发明模型完备，物理意义清晰，算法设计合理有效，能够很好地刻画智能选频对抗场景。
-
公开(公告)号：CN117793913A
公开(公告)日：2024-03-29
申请号：CN202410019556.9
申请日：2024-01-05
申请人： 中国人民解放军陆军工程大学
IPC分类号： H04W72/0453 , H04W72/541 , G06N3/0464
摘要： 本发明公开了一种动态频谱快速适配抗干扰方法、装置、系统及存储介质，属于无线通信技术领域，方法包括：基于预构建的通信场景内各已知干扰模式，对预构建的卷积神经网络模型进行预训练，获取并保存各已知干扰模式下的抗干扰信道接入策略；基于预构建的网络迁移触发判定机制，当感知到干扰模式变换时，迁移或复制经过预训练的卷积神经网络模型的网络结构和连接参数，构建新的卷积神经网络模型；基于变换后的干扰模式，对新的卷积神经网络模型进行训练，直至新的卷积神经网络模型收敛为止，获取并保存变换后的干扰模式下的抗干扰信道接入策略。该方法能够减少大量数据再训练的时间损耗和算力要求，实现动态频谱快速适配抗干扰。
-
公开(公告)号：CN118250715A
公开(公告)日：2024-06-25
申请号：CN202410182101.9
申请日：2024-02-19
申请人： 中国人民解放军陆军工程大学 , 哈尔滨工业大学
IPC分类号： H04W24/02 , H04W72/044 , H04W72/52 , H04W40/32 , H04W84/18
摘要： 本发明公开了一种面向高动态自组织网络的能效均衡资源分配方法，属于高动态自组织网络通信技术领域。首先推导出适用于多簇多节点场景的加权最小均方误差预编码算法，最大化系统整体频谱效率，确保频谱的有效利用；在此基础上，引入深度确定性策略梯度算法，通过定义合适的动作、状态和奖赏机制，实现功率的智能分配。本方法的应用使得各节点的能量效率趋于均等，从而实现了公平性的目标。本发明综合应用频谱效率最大化和深度学习算法，为实现智能、公平、高效的资源分配提供了新的思路；这种方法使得确保节点在协同运行期间合理消耗电能，具备同步工作和枯竭的可用性。
-
公开(公告)号：CN118249869A
公开(公告)日：2024-06-25
申请号：CN202410182106.1
申请日：2024-02-19
申请人： 中国人民解放军陆军工程大学 , 哈尔滨工业大学
IPC分类号： H04B7/08 , H04B1/10 , H04B17/391
摘要： 本发明公开了一种基于大规模阵列系统的自适应波束形成抗干扰方法，属于无线通信技术领域。针对当前大规模阵列系统中的硬件成本问题，本发明从抗干扰及低成本的角度探究波束形成方法。本发明首先构建全数字波束形成优化模型，考虑了零点展宽，求解得到最优的全数字波束形成权矢量；之后采用OMP算法将得到的全数字波束形成权矢量作为最优量构建模拟波束形成矩阵，以及数字波束形成矩阵；最后将全数字与混合波束形成的抗干扰效果进行分析对比。本发明具有低成本、良好稳健的抗干扰效果等优点。
-
公开(公告)号：CN117042050A
公开(公告)日：2023-11-10
申请号：CN202311036967.0
申请日：2023-08-17
申请人： 中国人民解放军陆军工程大学
IPC分类号： H04W28/08 , H04W28/084
摘要： 本申请提供一种基于分布式混合异质决策的多用户智能数据卸载方法，方法包括：根据所设定的多用边缘计算模型，进行面向移动卸载网络中的多维资源管理建模；根据多用户网络场景的建模信息设定基于分布式混合异质决策的多用户移动数据卸载神经网络模型；对于基站以及各个用户的观察矩阵以及网络进行初始化处理；在达到预设回合数前，分别训练神经网络模型中的高层网络和低层网络；移动用户根据训练好的模型探索环境，更新用户观测状态以及信道状态。本申请提供的方法模型完备，物理意义清晰，提出的基于分布式混合异质决策的多用户智能数据卸载方法方法，实现有效求解。
-
公开(公告)号：CN118400053A
公开(公告)日：2024-07-26
申请号：CN202410556828.9
申请日：2024-05-07
申请人： 中国人民解放军陆军工程大学 , 中国电子科技集团公司第五十四研究所
IPC分类号： H04B17/345 , H04B17/391 , H04W24/02
摘要： 本发明公开了一种基于深度强化学习的多信道数据传输协同抗干扰方法，建立多信道数据传输协同抗干扰系统模型、通信模型和数据传输模型；以频谱瀑布图为状态，以传输方式的选择和传输信道的选择为动作，将多信道数据传输协同抗干扰过程建模为多用户马尔可夫决策过程；发射机根据当前缓冲区数据量和数据传输模型初始化传输方式，根据状态和动作定义发射机的状态‑动作值函数，执行选择的动作之后，获得奖励，感知当前频谱，状态转移到下一状态，并将当前状态、动作、状态价值和下一时刻状态作为经验，存储到经验池中；从经验池中随机批量采样训练神经网络，所述神经网络引入mellowmax算子计算目标状态价值，并基于纯贪婪策略选择动作，确定传输方式和传输信道。本发明模型完备，物理意义清晰，能够避免恶意干扰和用户之间的互扰，提高网络吞吐量的同时降低平均数据传输时延。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.039 秒)
