并行译码验证方法、装置、电子设备及存储介质

    公开(公告)号:CN117938177A

    公开(公告)日:2024-04-26

    申请号:CN202311765496.7

    申请日:2023-12-20

    Abstract: 本申请提供一种并行译码验证方法、装置、电子设备及存储介质,所述方法包括接收多个初始字符串和每个初始字符串对应的第一散列值;按照比特位的顺序,依次对多个初始字符串中比特位相同的字符进行抽取,将比特位相同的字符组合成一个目标字符串,以得到多个目标字符串;对每个目标字符串中的字符进行迭代译码,得到每个字符的译码值;基于全部目标字符串对应的译码值,计算每个初始字符串对应的第二散列值;响应于确定每个初始字符串对应的第一散列值和其对应的第二散列值都相同,确定全部初始字符串通过所述译码验证,解决了现有技术中对于多个字符串的译码验证效率低的技术问题,降低了对于多个字符串的译码验证的复杂度。

    基于卫星的网络流量预测方法及电子设备

    公开(公告)号:CN118200204B

    公开(公告)日:2025-01-28

    申请号:CN202410180508.8

    申请日:2024-02-18

    Inventor: 黄超 成杨 高建新

    Abstract: 本申请提供一种基于卫星的网络流量预测方法及电子设备,所述方法包括获取历史时间段内的每个网络节点对应的网络数据;将全部网络节点对应的网络数据输入至经过训练的预测模型,通过所述预测模型,构建每个网络节点对应的功能相似度矩阵和数据相似度矩阵;基于所述功能相似度矩阵和所述数据相似度矩阵,确定所述网络节点对应的空间特征;基于所述网络数据,确定所述网络节点对应的时间特征;将全部网络节点的空间特征和时间特征进行融合,得到融合特征值,基于所述融合特征值,计算待预测时间段的网络流量,并经由所述预测模型输出所述网络流量,解决了现有技术中针对于卫星的流量预测不准确的技术问题,提高了对于卫星的流量预测的准确性。

    基于卫星的网络流量预测方法及电子设备

    公开(公告)号:CN118200204A

    公开(公告)日:2024-06-14

    申请号:CN202410180508.8

    申请日:2024-02-18

    Inventor: 黄超 成杨 高建新

    Abstract: 本申请提供一种基于卫星的网络流量预测方法及电子设备,所述方法包括获取历史时间段内的每个网络节点对应的网络数据;将全部网络节点对应的网络数据输入至经过训练的预测模型,通过所述预测模型,构建每个网络节点对应的功能相似度矩阵和数据相似度矩阵;基于所述功能相似度矩阵和所述数据相似度矩阵,确定所述网络节点对应的空间特征;基于所述网络数据,确定所述网络节点对应的时间特征;将全部网络节点的空间特征和时间特征进行融合,得到融合特征值,基于所述融合特征值,计算待预测时间段的网络流量,并经由所述预测模型输出所述网络流量,解决了现有技术中针对于卫星的流量预测不准确的技术问题,提高了对于卫星的流量预测的准确性。

    信息传输的误码率确定方法及相关设备

    公开(公告)号:CN117938325A

    公开(公告)日:2024-04-26

    申请号:CN202311775010.8

    申请日:2023-12-21

    Abstract: 本申请提供一种信息传输的误码率确定方法及相关设备,获取信息传输过程的目标加噪传输信号,以及与目标加噪传输信号对应的原始二进制信息,对目标加噪传输信号进行量化处理,生成加噪二进制信息,确定与加噪二进制信息对应的初始概率的对数似然比,将对数似然比输入预先经过训练的深度神经网络模型,利用深度神经网络模型对该对数似然比进行解译,在解译的过程中通过预设的尺度因子系数和偏移因子系数对进行补偿,从而能够减少误差,能够使得生成的解译结果更加准确,进而基于原始二进制信息与该解译结果进行差值处理得到的信息传输过程的误码率可以更加准确。

    基于深度确定性策略梯度算法的资源分配方法及相关设备

    公开(公告)号:CN119342527A

    公开(公告)日:2025-01-21

    申请号:CN202411263259.5

    申请日:2024-09-10

    Inventor: 孙乔 纪鹏 高建新

    Abstract: 本申请提供一种基于深度确定性策略梯度算法的资源分配方法及相关设备,该方法包括:获取状态参数;所述状态参数用于表征所述卫星站的信道环境状态;将所述状态参数输入深度强化学习模型,生成至少一个动作决策;所述深度强化学习模型基于深度确定性策略梯度算法以及沙猫群优化算法训练得到;所述动作决策用于指示资源分配和功率控制策略;计算所述至少一个动作决策的期望值,确定所述期望值最大的所述动作决策为目标动作决策;基于所述目标动作决策,执行所述资源分配和功率控制策略。本申请通过使用深度强化学习模型解决资源分配和功率控制的联合优化问题,从而实现提升资源分配效率,优化网络性能。

    一种用于掺铒光纤放大器噪声指数优化的光路结构

    公开(公告)号:CN218677964U

    公开(公告)日:2023-03-21

    申请号:CN202223412719.5

    申请日:2022-12-15

    Abstract: 本实用新型提出了一种用于掺铒光纤放大器噪声指数优化的光路结构,涉及光路领域。首先采用2只VOA进行增益调整,低增益下的NF可获得较大改善;另外泵浦采用多次分光的方式,合理分配泵浦功率,配合2只VOA进行增益调整,低增益下的NF可获得一定改善;而采用2只以上的VOA进行上述控制,由于每只VOA闭环控制光路部分的本底损耗的存在,叠加后对小增益时的NF并没有明显提高,甚至还会劣化,且多只VOA及其闭环光路的引入,成本增加明显,对空间的需求也更高严格,从校准控制的角度来说也会十分繁琐。因此,对于大动态增益范围变化的VGA,当低增益时NF要求比较严格时,采用本专利中的2只VOA光路结构,比较合理且基本可以达到最优化。

Patent Agency Ranking