公开(公告)号：CN115766089A

公开(公告)日：2023-03-07

申请号：CN202211271268.X

申请日：2022-10-18

Applicant: 福州大学

Inventor： 王俊 ,  徐浩东 ,  鲍家旺 ,  林瑞全 ,  王锐亮 ,  丘航丁

IPC: H04L9/40 ,  H04L41/14 ,  H04B17/382

Abstract: 本发明涉及一种能量采集认知物联网络抗干扰最优传输方法。通过将认知无线电技术、能量采集技术、抗干扰技术在通信领域相结合，将认知物联网络建模为一个主基站、多个主用户、多个物联网节点、一个物联网认知基站和多个恶意攻击节点所构成的完整系统。通过深度强化学习方法对认知物联网络各个节点在发送、接收信号被恶意攻击的情况下，认知基站无需先验知识，无模型的学习恶意节点信道攻击策略，合理制定对抗策略并调节各个节点的信道接入、模式选择和功率分配以达到系统吞吐量最大化目的。本发明适用于无线通信领域。

公开(公告)号：CN116095692A

公开(公告)日：2023-05-09

申请号：CN202211340206.X

申请日：2022-10-29

Applicant: 福州大学

Inventor： 王俊 ,  刘胜 ,  林瑞全 ,  王锐亮 ,  鲍家旺 ,  丘航丁

IPC: H04W16/14 ,  H04W72/044

Abstract: 本发明提出基于非合作博弈的能量采集认知无线网络的功率分配方法，包括以下步骤；步骤S1：在一个时隙T的τT时间段内，主用户发射机PT通过天线向主用户接收机PR传输数据，每个次用户接收机SU配备用于能量采集的全向天线来采集PU射频信号中的能量；步骤S2：在一个时隙T的(1‑τ)T时间段的数据传输过程内，设定一个确定的最小的信噪比阈值和PU的干扰功率阈值I；步骤S3：在一个时隙T的(1‑τ)T时间段内，SUi(i＝1,2...,n)通过非合作博弈的方式进行功率分配；步骤S4：在一个时隙T的(1‑τ)T时间段内，求解SUi(i＝1,2...,n)的效用函数，最终达到纳什均衡，最大化次用户的吞吐量及主用户、次用户的收益；本发明通过找到能量采集认知无线电网络中的最优功率分配策略，在满足所有约束条件的情况下提升次用户的吞吐量和收益。

公开(公告)号：CN115712497A

公开(公告)日：2023-02-24

申请号：CN202211278767.1

申请日：2022-10-19

Applicant: 福州大学

Inventor： 林瑞全 ,  刘佳鑫 ,  丘航丁 ,  王俊 ,  鲍家旺 ,  王锐亮

IPC: G06F9/50 ,  G16Y30/00 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/092

Abstract: 本发明涉及一种基于深度强化学习的能量采集认知物联网资源分配方法，包括：搭建能量采集认知物联网系统模型，并推导出资源分配的数学模型；搭建强化学习模型，将次发射机到次接收机、协作干扰器到窃听节点这两条链路的2m条子信道以及一个能量采集时间分配网络共建模为2m+1个强化学习智能体，能量采集认知物联网中的其他部分为强化学习环境，智能体与环境不断进行交互；构建基于深度强化学习的能量采集认知物联网资源分配模型，并对其进行训练；通过训练好的资源分配模型对认知物联网进行联合能量采集时间和传输功率的最优分配。该方法有利于对能量采集认知物联网资源进行最优分配。

公开(公告)号：CN115766089B

公开(公告)日：2024-06-28

申请号：CN202211271268.X

申请日：2022-10-18

Applicant: 福州大学

Inventor： 王俊 ,  徐浩东 ,  鲍家旺 ,  林瑞全 ,  王锐亮 ,  丘航丁

IPC: H04L9/40 ,  H04L41/14 ,  H04B17/382

Abstract: 本发明涉及一种能量采集认知物联网络抗干扰最优传输方法。通过将认知无线电技术、能量采集技术、抗干扰技术在通信领域相结合，将认知物联网络建模为一个主基站、多个主用户、多个物联网节点、一个物联网认知基站和多个恶意攻击节点所构成的完整系统。通过深度强化学习方法对认知物联网络各个节点在发送、接收信号被恶意攻击的情况下，认知基站无需先验知识，无模型的学习恶意节点信道攻击策略，合理制定对抗策略并调节各个节点的信道接入、模式选择和功率分配以达到系统吞吐量最大化目的。本发明适用于无线通信领域。

公开(公告)号：CN114126021B

公开(公告)日：2024-04-09

申请号：CN202111425954.3

申请日：2021-11-26

Applicant: 福州大学

Inventor： 林瑞全 ,  丘航丁 ,  王俊 ,  谢欢

IPC: H04W52/06 ,  H04W52/38 ,  G06N3/084 ,  G06N3/092

Abstract: 本发明涉及一种基于深度强化学习的绿色认知无线电的功率分配方法，首先建立功率分配模型，并按如下步骤对其进行训练：S1、初始化回合训练次数、记忆池的容量以及深度神经网络随机参数；S2、在每个回合开始时，初始化状态；S3、在每个回合的第t步，根据贪婪策略选择动作；S4、将动作输入到认知无线环境中，环境返回回报，更新电池可用能量，更新状态，并把状态转移存储到记忆池；S5、从记忆池中随机采样设定批量的状态转移，执行梯度下降步骤；然后通过训练好的功率分配模型进行功率分配。该方法有利于根据环境的变化做出最优的功率控制和分配。

公开(公告)号：CN114126021A

公开(公告)日：2022-03-01

申请号：CN202111425954.3

申请日：2021-11-26

Applicant: 福州大学

Inventor： 林瑞全 ,  丘航丁 ,  王俊 ,  谢欢

IPC: H04W52/06 ,  H04W52/38 ,  G06N3/08

Abstract: 本发明涉及一种基于深度强化学习的绿色认知无线电的功率分配方法，首先建立功率分配模型，并按如下步骤对其进行训练：S1、初始化回合训练次数、记忆池的容量以及深度神经网络随机参数；S2、在每个回合开始时，初始化状态；S3、在每个回合的第t步，根据贪婪策略选择动作；S4、将动作输入到认知无线环境中，环境返回回报，更新电池可用能量，更新状态，并把状态转移存储到记忆池；S5、从记忆池中随机采样设定批量的状态转移，执行梯度下降步骤；然后通过训练好的功率分配模型进行功率分配。该方法有利于根据环境的变化做出最优的功率控制和分配。