-
公开(公告)号：CN111901024A
公开(公告)日：2020-11-06
申请号：CN202010745080.9
申请日：2020-07-29
Applicant: 燕山大学
Abstract: 本发明公开了一种基于抗拟合深度学习的MIMO道状态信息反馈方法，属于通信领域，包括以下步骤：首先，构建AOCN模型，将信道矩阵分为实部和虚部分别输入进用户端的编码器，编码器包含卷积层、全连接层，数据经过编码经过反馈链路，到达接收端，在接收端的解码器包含抗拟合层，全连接层、RefineNet层、卷积层，最终输出预测的信道矩阵。AOCN模型构建完成后，将模型进行离线训练，首先初始化模型参数，误差收敛后保存模型，最后将训练好保存的AOCN模型在线进行预测信道状态信息。本发明可以进一步提高信息矩阵的恢复精度，保证系统发射端得到准确的信道状态信息，提高系统的通信质量。
-
公开(公告)号：CN114895246A
公开(公告)日：2022-08-12
申请号：CN202210315177.5
申请日：2022-03-28
Applicant: 燕山大学
Abstract: 本发明公开了一种基于两步卡尔曼滤波的非视距水下航行器定位方法，该方法首先利用第一步卡尔曼滤波对测量值进行状态预测并利用卡尔曼滤波新息去识别当前测量值是否受到非视距（NLOS）误差干扰，如测量值不受NLOS误差干扰则继续第一步卡尔曼滤波得到状态估计；对于受到NLOS误差干扰的测量值，利用第一步卡尔曼滤波的预测结果对NLOS误差进行估计，然后对NLOS误差估计值进行第二步卡尔曼滤波并将滤波结果带入第一步卡尔曼滤波更新步进行状态估计；最后使用CHAN氏算法进行位置求解；本发明不需要NLOS误差的先验统计知识即可对连续NLOS误差进行实时消除，能够明显提高水下环境中水下航行器的定位精度。
-
公开(公告)号：CN111885671B
公开(公告)日：2022-04-15
申请号：CN202010694039.3
申请日：2020-07-17
Applicant: 燕山大学
Abstract: 本发明提供一种基于深度强化学习的水下联合中继选择和功率分配方法，包括：创建包括一个源节点u、N个候选中继节点r1,r2…rN和一个目的节点d的拓扑结构；广播信号给候选中继节点和目的节点，同时源节点根据状态信息进行中继选择和功率分配；选中的中继节点转发信号给目的节点；目的节点将状态信息反馈给源节点；采用深度强化学习方法，使源节点不断与环境进行交互得到所需状态信息，通过策略优化离线学习的方式，使源节点在试错中学习到经验用于决策。本发明方法基于信道状态信息和中继选择信息，利用深度强化学习来进行中继选择和功率的分配。把源节点视为深度强化学习中的智能体，利用源节点和环境不断交互学习来增强系统的决策能力，易于实现。
-
公开(公告)号：CN111860984B
公开(公告)日：2022-03-11
申请号：CN202010642900.1
申请日：2020-07-06
Applicant: 燕山大学
Abstract: 本发明公开了一种基于改进遗传算法的多异构无人机任务分配方法，属于无人机技术领域，该方法通过综合考虑资源消耗、任务完成效果和负载均衡、资源有限、任务优先级等多重约束，建立了任务分配优化模型；采用矩阵编码方式将每个可行的任务分配方案编码为一个完整的染色体；针对现有遗传算法求解精度不足、求解速度过慢的问题，提出了模糊精英度的概念，并在此基础上对各遗传操作进行改进，利用改进后的遗传算法对构建的优化模型进行求解，在有限的迭代次数内获得最优的任务分配方案。本发明在多智能体协同控制领域有良好的通用性，具有求解速度快、求解精度高的优点，能够有效解决具有多重约束的多异构无人机系统的任务分配问题。
-
公开(公告)号：CN111885671A
公开(公告)日：2020-11-03
申请号：CN202010694039.3
申请日：2020-07-17
Applicant: 燕山大学
Abstract: 本发明提供一种基于深度强化学习的水下联合中继选择和功率分配方法，包括：创建包括一个源节点u、N个候选中继节点r1,r2…rN和一个目的节点d的拓扑结构；广播信号给候选中继节点和目的节点，同时源节点根据状态信息进行中继选择和功率分配；选中的中继节点转发信号给目的节点；目的节点将状态信息反馈给源节点；采用深度强化学习方法，使源节点不断与环境进行交互得到所需状态信息，通过策略优化离线学习的方式，使源节点在试错中学习到经验用于决策。本发明方法基于信道状态信息和中继选择信息，利用深度强化学习来进行中继选择和功率的分配。把源节点视为深度强化学习中的智能体，利用源节点和环境不断交互学习来增强系统的决策能力，易于实现。
-
Patent Agency Ranking
公开(公告)号：CN111860984A
公开(公告)日：2020-10-30
申请号：CN202010642900.1
申请日：2020-07-06
Applicant: 燕山大学
Abstract: 本发明公开了一种基于改进遗传算法的多异构无人机任务分配方法，属于无人机技术领域，该方法通过综合考虑资源消耗、任务完成效果和负载均衡、资源有限、任务优先级等多重约束，建立了任务分配优化模型；采用矩阵编码方式将每个可行的任务分配方案编码为一个完整的染色体；针对现有遗传算法求解精度不足、求解速度过慢的问题，提出了模糊精英度的概念，并在此基础上对各遗传操作进行改进，利用改进后的遗传算法对构建的优化模型进行求解，在有限的迭代次数内获得最优的任务分配方案。本发明在多智能体协同控制领域有良好的通用性，具有求解速度快、求解精度高的优点，能够有效解决具有多重约束的多异构无人机系统的任务分配问题。
-
公开(公告)号：CN114895246B
公开(公告)日：2024-09-13
申请号：CN202210315177.5
申请日：2022-03-28
Applicant: 燕山大学
Abstract: 本发明公开了一种基于两步卡尔曼滤波的非视距水下航行器定位方法，该方法首先利用第一步卡尔曼滤波对测量值进行状态预测并利用卡尔曼滤波新息去识别当前测量值是否受到非视距（NLOS）误差干扰，如测量值不受NLOS误差干扰则继续第一步卡尔曼滤波得到状态估计；对于受到NLOS误差干扰的测量值，利用第一步卡尔曼滤波的预测结果对NLOS误差进行估计，然后对NLOS误差估计值进行第二步卡尔曼滤波并将滤波结果带入第一步卡尔曼滤波更新步进行状态估计；最后使用CHAN氏算法进行位置求解；本发明不需要NLOS误差的先验统计知识即可对连续NLOS误差进行实时消除，能够明显提高水下环境中水下航行器的定位精度。
-
公开(公告)号：CN115177864A
公开(公告)日：2022-10-14
申请号：CN202210857951.5
申请日：2022-07-20
Applicant: 燕山大学
Abstract: 本发明公开了一种结合肌肉激活度与深度学习的功能性电刺激闭环调控方法，将肌肉激活度分析和深度学习中的LSTM模型结合起来，设计开发了基于肌肉激活度与LSTM的功能性电刺激闭环调控方法，该方法可以根据对肌电信号实时分析得出肌肉状态并自动学习合适功能性电刺激参数，使得患者在健康侧握拳动作时可以根据肌肉激活度变化自动调整功能性电刺激参数，使功能性电刺激下的患侧与健康侧握力大小趋于一致；并且LSTM模型会随着输入数据集的增多不断学习优化输出的电刺激参数，解决了功能性电刺激临床治疗上不能根据用户肌肉状态实时调整自身参数、参数调整完全凭借经验、患者参与度不高和不能主动康复的问题。
-
公开(公告)号：CN108809881B
公开(公告)日：2021-07-20
申请号：CN201810410315.1
申请日：2018-05-02
Applicant: 燕山大学
Abstract: 一种基于改进的EXP3算法水下自适应OFDM通信方法，基于MAB理论，建立自适应OFDM通信系统决策模型；运用正交试验方法，根据需调参数及其水平与数据传输速率的关系，选择正交表，完成正交试验；采用极差分析法处理数据，判断每个参数以及同一参数的不同水平对于数据传输速率的影响程度，删除部分不重要的水平，完成对参数组合的初筛；学习执行器根据评价器的建议随机选择调制参数，相应的回值将回馈至学习执行器与评价器，在评价器中进行回值估计和权重更新；评价器依照平衡“探索与利用”的原则更新策略选择概率函数；判断当前操作次数加1后是否超过预设的总操作次数，如果判定没超过则学习执行器继续做决策，否则结束算法，最终实现网络吞吐量的最大化。
-
公开(公告)号：CN112235845A
公开(公告)日：2021-01-15
申请号：CN202010991598.0
申请日：2020-09-18
Applicant: 燕山大学
Abstract: 本发明提供了一种应用于水声传感器网络的地理路由协议方法，每个节点获取邻居节点信息，计算平均期望转发次数，用于划分路由转发区域；每个中继节点根据节点度和丢包率的大小，将通信范围内的区域分为低丢包率区域，高丢包率区域和非转发区域，位于低丢包率区域的节点采用机会路由转发策略，位于高丢包率区域的节点采用泛洪转发策略，位于非转发区域的节点不参与转发数据包。本发明综合了机会路由转发策略和定向泛洪转发策略的优点，相比其他水声传感器网络路由协议，可明显减少能量消耗，降低丢包率和端对端延迟。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
