基于联邦学习框架的低开销多点时频定位方法

    公开(公告)号:CN119277324A

    公开(公告)日:2025-01-07

    申请号:CN202411380984.0

    申请日:2024-09-30

    Abstract: 本申请的实施例涉及无线通信技术领域,特别涉及一种基于联邦学习框架的低开销多点时频定位方法,包括:建立宽带认知网络系统模型,并选定时频定位模型;中心服务器初始化时频定位模型的网络参数,下发给各次级用户;次级用户基于本地数据集,对本地时频定位模型进行本地训练,确定子网模型权重,随后提取每个BN层的梯度变化量,基于此进行排序,根据目标剪枝率对本地时频定位模型进行动态修剪,得到模型掩码,上传至中心服务器;中心服务器利用各模型掩码补全模型,聚合各子网模型权重,得到全局权重,形成各次级用户的个性化子网模型并下发,从而实现低开销多点时频定位。该方法有效降低了无线链路的通信开销,大幅提升了通信效率。

    分布式MIMO系统中UE和AP分组及频率选择方法

    公开(公告)号:CN117279110B

    公开(公告)日:2024-12-10

    申请号:CN202311402213.2

    申请日:2023-10-26

    Abstract: 本发明公开了一种分布式MIMO系统中UE和AP分组及频率选择方法,包括:构建次级网络系统,根据次级网络系统中的次级接入节点与次级用户之间的大尺度衰落系数,获取次级用户与次级接入节点之间的连接关系矩阵;判断次级用户与初级用户在时频图谱上是否存在混叠,如果存在混叠,则在连接关系矩阵中删除该次级用户与为其服务的次级接入节点的服务关系,更新连接关系矩阵,如果不存在混叠,则不更新连接关系矩阵;构建信道相关性的衡量准则,获取次级接入节点删除其所服务的一个次级用户后信道相关性的衡量准则的值,在获取的所有信道相关性的衡量准则的值中选取最小值。本发明能够对初级网络中的认知目标进行干扰避免。

    去除柔性电容式传感阵列中电学串扰的网络及其训练方法

    公开(公告)号:CN118797350A

    公开(公告)日:2024-10-18

    申请号:CN202410999572.9

    申请日:2024-07-24

    Abstract: 本发明提供了一种去除柔性电容式传感阵列中电学串扰的网络及其训练方法,该网络包括:依次连接的初步特征提取和维数变换卷积层、主干网络和输出卷积层;主干网络由d层MACB模块堆叠组成,d为大于等于1的正整数,MACB模块的层数d根据待去除电学串扰的柔性电容式传感阵列的尺寸确定;MACB模块依次包括串扰信息提取单元、通道连接单元和跨通道特征融合和降维单元;串扰信息提取单元包括并联的四个不同大小的非对称卷积核,其相较于传统解决方案的局限性,去除柔性电容式传感阵列中电学串扰的网络同时利用了深度神经网络的强大拟合能力和柔性电容式传感阵列的空间结构特征,获得了更好的性能。

    基于频域数据增强扩充的无人机时频图谱数据库构建方法

    公开(公告)号:CN114841211B

    公开(公告)日:2024-09-24

    申请号:CN202210540122.4

    申请日:2022-05-17

    Abstract: 本发明公开了一种基于频域数据增强扩充的无人机时频图谱数据库构建方法,其实现的步骤为:采集无人机信号;构造时频矩阵;构造初始时频矩阵数据库;利用频域数据增强方法扩充时频数据库;利用初始数据库中时频矩阵训练残差网络ResNet;利用扩充后的数据库测试ResNet。本发明解决了采集的数据适用范围窄,受特定任务所限构建的无人机时频图谱数据库缺乏部分信道下的无人机时频图谱样本神经网络无法训练的问题。本发明构建的数据库具有样本充足可直接用于无人机识别中,扩充无人机时频图谱后无人机识别任务适用性更加广泛的优点。

    基于空间相关性的协作基站选择方法及装置

    公开(公告)号:CN118233965A

    公开(公告)日:2024-06-21

    申请号:CN202410276437.1

    申请日:2024-03-12

    Abstract: 本发明公开了一种基于空间相关性的协作基站选择方法及用户端。方法应用于用户端上,方法包括:根据用户端与基站之间的信道信息确定用户端与每个基站之间的相关性系数;根据相关性系数和大尺度衰落系数,从所有基站中确定用于服务用户端的至少一个协作基站,得到用户端的基站集群。根据本发明提供的方法,通过基站与用户端之间的大尺度衰落系数和相关性系数共同确定用于服务用户端的协作基站,能够通过更全面的因素来确定协作基站,提高基站集群的传输性能和传输质量。

    分布-集中式混合处理架构下去蜂窝MIMO联合资源分配方法

    公开(公告)号:CN117500080A

    公开(公告)日:2024-02-02

    申请号:CN202311307999.X

    申请日:2023-10-10

    Abstract: 本发明公开了一种分布‑集中式混合处理架构下去蜂窝MIMO联合资源分配方法,涉及无线通信技术领域,该方法应用于去蜂窝MIMO系统,该蜂窝MIMIO系统包括M个接入点AP与K个用户,所述方法包括:获取用户k与接入点m之间的信道信息;针对每个用户,测量其与各接入点间的信号接收功率,并基于信号接收功率选择满足预设条件的接入点为该用户服务后,生成连接矩阵;基于信道信息和连接矩阵,以最大化最小频谱效率为优化目标,建立优化问题;通过求解优化问题,将M个接入点划分至集中式AP集合或分布式AP集合,并根据优化结果进行资源分配。本发明可在降低前传开销的同时提高频谱效率,实现了前传链路开销与频谱效率的折中,同时保证用户公平性。

    分布式MIMO系统中UE和AP分组及频率选择方法

    公开(公告)号:CN117279110A

    公开(公告)日:2023-12-22

    申请号:CN202311402213.2

    申请日:2023-10-26

    Abstract: 本发明公开了一种分布式MIMO系统中UE和AP分组及频率选择方法,包括:构建次级网络系统,根据次级网络系统中的次级接入节点与次级用户之间的大尺度衰落系数,获取次级用户与次级接入节点之间的连接关系矩阵;判断次级用户与初级用户在时频图谱上是否存在混叠,如果存在混叠,则在连接关系矩阵中删除该次级用户与为其服务的次级接入节点的服务关系,更新连接关系矩阵,如果不存在混叠,则不更新连接关系矩阵;构建信道相关性的衡量准则,获取次级接入节点删除其所服务的一个次级用户后信道相关性的衡量准则的值,在获取的所有信道相关性的衡量准则的值中选取最小值。本发明能够对初级网络中的认知目标进行干扰避免。

    基于变窗口自适应无迹卡尔曼滤波的锂离子电池SOC预测方法

    公开(公告)号:CN116819343A

    公开(公告)日:2023-09-29

    申请号:CN202310881529.8

    申请日:2023-07-18

    Abstract: 本发明公开一种基于变窗口自适应无迹卡尔曼滤波的锂离子电池SOC预测方法。首先由自适应遗忘因子最小二乘(AFFRLS)估算二阶RC锂离子电池等效电路模型参数;然后通过自适应遗传算法(AGA)训练确定自适应无迹卡尔曼滤波(AUKF)的最佳噪声协方差匹配窗口大小;将得到的窗口大小作为窗口基数,通过AUKF预测电池SOC;然后通过Allan方差分析法识别误差新息序列分布的变化,再按照更新规则更新窗口大小。本发明由AGA确定AUKF的时间窗大小,方法更智能;另通过引入Allan方差分析法来提高噪声协方差的估算精度,提高算法对非线性时变系统的跟踪能力。

    一种基于WebGIS的实景三维模型分割方法与系统

    公开(公告)号:CN116664589A

    公开(公告)日:2023-08-29

    申请号:CN202310711868.1

    申请日:2023-06-15

    Abstract: 本发明公开了一种基于WebGIS的实景三维模型分割方法与系统,具体涉及三维实景重建技术领域,包括对象模型数据库、web服务器和web前端,其中,对象模型数据库用于将待处理的倾斜摄影模型数据保存在后端数据库中,web服务器用于基于Node.js的koa框架接收来自web前端的请求,并根据axios请求模型信息向对象模型数据库请求模型数据,web前端用于接收用户的交互请求,并通过鼠标操作进行模型分割操作,包括点击、拖动等方式,并记录下用户的操作,生成目标模型切割轮廓文件,并将数据发送给web服务器。本发明进行三维模型分割无需依托于桌面端,切割模型的适用范围大,使用难度低,并且对于实景三维模型较好处理。

Patent Agency Ranking