基于干扰向量和NSGA-II算法的干扰资源分配方法

    公开(公告)号:CN114527435B

    公开(公告)日:2024-06-07

    申请号:CN202210127379.7

    申请日:2022-02-11

    Abstract: 本发明公开了一种基于干扰向量和NSGA‑II算法的干扰资源分配方法,其实现步骤为:生成干扰资源分配向量集,计算每个干扰资源分配向量的干扰向量得到干扰向量集,通过NSGA‑II算法中的交叉变异方法更新干扰资源分配向量集和干扰向量集,利用NSGA‑II算法中的快速非支配排序和拥挤度方法对干扰资源分配向量集进行分层和排序,从干扰资源分配向量集中选取前10个干扰资源分配向量作为当前最优解,经过重复迭代后选取最优解中的一个干扰资源分配向量作为最优干扰资源分配方案。本发明得到的最优干扰资源分配方案具有更广的应用场景和指标的独立性的优点。

    物联网感知数据共享交易平台、控制方法、设备、终端

    公开(公告)号:CN113783696A

    公开(公告)日:2021-12-10

    申请号:CN202110933507.2

    申请日:2021-08-14

    Abstract: 本发明属于通信网络安全技术领域,公开了一种物联网感知数据共享交易平台、控制方法、设备、终端,所述物联网感知数据共享交易平台,包括感知汇聚层、控制传输层、共享交易层、应用交互层、区块链底层平台、区块链网络以及区块链底层架构。本发明基于云雾混构数据架构,采用边缘雾节点收集、加密、发布同一管理域中的感知数据,云服务器作为中转点存储交易数据的方案,实现去中心化且可扩展的身份管理、可信认证及数据交易环境,负责感知设备管理的雾节点及数据消费者加入联盟链,无需选取可信中心组织交易,平台节点进行对等自由的交易协商,利用智能合约灵活自治,即时调整云服务器数据访问权限实现数据安全共享,并具有交易可追溯的优势。

    基于多维特征的多功能雷达波形单元边界识别方法

    公开(公告)号:CN118862004A

    公开(公告)日:2024-10-29

    申请号:CN202410832849.9

    申请日:2024-06-26

    Abstract: 本发明公开了一种基于多维特征的多功能雷达波形单元边界识别方法。主要解决现有技术无法处理脉冲序列中相邻波形单元采用一致波形参数时的边界识别问题。其实现方案包括:截获MFR脉冲序列,从中提取波形参数序列与幅度参数序列;对两序列预处理并划分训练、测试数据集;依据波形单元边界位置产生训练、测试标签序列集;构造深度学习网络框架,并使用训练数据集和训练标签序列集对其进行训练;将测试数据集输入到训练好的网络模型,得到波形单元边界切换概率回归序列集合;将回归序列集合与设置的概率门限比较得到波形单元边界估计集合,完成波形单元边界识别。本发明提高了在非理想环境下波形单元边界识别的准确率,可用于雷达侦察中雷达波形单元的切分。

    基于干扰向量和NSGA-II算法的干扰资源分配方法

    公开(公告)号:CN114527435A

    公开(公告)日:2022-05-24

    申请号:CN202210127379.7

    申请日:2022-02-11

    Abstract: 本发明公开了一种基于干扰向量和NSGA‑II算法的干扰资源分配方法,其实现步骤为:生成干扰资源分配向量集,计算每个干扰资源分配向量的干扰向量得到干扰向量集,通过NSGA‑II算法中的交叉变异方法更新干扰资源分配向量集和干扰向量集,利用NSGA‑II算法中的快速非支配排序和拥挤度方法对干扰资源分配向量集进行分层和排序,从干扰资源分配向量集中选取前10个干扰资源分配向量作为当前最优解,经过重复迭代后选取最优解中的一个干扰资源分配向量作为最优干扰资源分配方案。本发明得到的最优干扰资源分配方案具有更广的应用场景和指标的独立性的优点。

    基于MSVL惰性并发链表建模和可线性化性质验证方法

    公开(公告)号:CN106326368A

    公开(公告)日:2017-01-11

    申请号:CN201610658112.5

    申请日:2016-08-11

    CPC classification number: G06F16/22 G06F16/21

    Abstract: 本发明公开了一种基于MSVL惰性并发链表建模和可线性化性质验证方法,利用MSVL对惰性并发链表建模、用PPTL描述其可线性化性质,最终在MSV平台中进行验证,确定该惰性并发链表的可线性化性质是否正确;用MSVL程序p为待验证的惰性并发链表建模,并使用PPTL公式φ描述所需要的性质。本发明的惰性并发链表用MSVL程序进行建模,可线性化性质用PPTL描述,而PPTL为PTL的命题子集,MSVL为PTL的可执行子集,因而MSVL和PPTL可以统一在MSV平台中执行,相比于其他方法,本发明不需要使用另外的形式语言,也不需要调用另外的工具、简单方便,而且MSV平台可以给出准确的结果示意图。

Patent Agency Ranking