一种基于深度展开图神经网络的多簇空中计算方法及系统

    公开(公告)号:CN119669698A

    公开(公告)日:2025-03-21

    申请号:CN202411830358.7

    申请日:2024-12-12

    Abstract: 本发明公开了一种基于深度展开图神经网络的多簇空中计算方法及系统,属于无线网络中的空中计算技术领域,首先,定义异构图神经网络中的聚合中心节点,无线设备节点和连接两种节点的边;其次,将需要求解的多簇控制计算优化问题,分解为展开结构的神经网络求解模块。接着,设计神经网络求解模块中的特征提取与特征嵌入方法;然后设计异构图神经网络编码器将特征进行聚合,聚合的特征经过设计好的多层感知机解码器映射为需要优化的变量;最后设计整个网络的参数共享策略以及神经网络的学习方法,训练神经网络,得到一个通用的模型。本发明的方案在计算速率方面优于现有优化方案,且求解速度得到极大提升,并且具有很强泛化能力。

    一种基于物理层加密的安全随机接入方法及系统

    公开(公告)号:CN115086948B

    公开(公告)日:2024-11-29

    申请号:CN202210530577.8

    申请日:2022-05-16

    Inventor: 冯诚 王熠晨

    Abstract: 本发明公开了一种基于物理层加密的安全随机接入方法,利用终端在随机接入之前利用下行同步和广播信道估计得到下行信道估计值,并提取下行信道估计值的相位或幅度;蜂窝基站利用上行传输估计上行信道估计值,将上行信道估计值量化成比特序列;将下行信道估计值的相位或幅度与上行信道估计值的相位或幅度进行异或运算,得到差分相位或幅度相位;终端接收到Msg2后解码出差分相位或幅度相位,将差分相位或幅度相位与上行信道估计值的相位或幅度进行异或运算获取比特序列,基站在发送Msg4之前利用协商密钥对其加密之后再广播,只有竞争成功的终端可以正确解码出Msg4,本发明可以有效避免非法用户的随机接入,同时提高了终端与基站接入双射性实现隐蔽通信。

    一种面向LEO卫星网络的用户级波束跳变方法及系统

    公开(公告)号:CN118075766A

    公开(公告)日:2024-05-24

    申请号:CN202410223026.6

    申请日:2024-02-28

    Abstract: 本发明公开了面向LEO卫星网络的用户级波束跳变方法及系统;构建面向LEO卫星网络的用户级波束跳变系统模型,其中多颗LEO卫星共同覆盖多个地面小区,每个小区内存在多个用户,每个用户都有其自身的流量需求;基于用户级波束跳变系统模型构建长期优化问题,通过对波束跳变模式以及接入控制策略的联合优化,在满足波束以及信道资源限制的前提下最大化系统中所有用户的长期吞吐量之和;建立面向用户的马尔可夫决策过程框架,将所构建的长期优化问题转变为最大化当前所有用户状态‑动作价值函数之和的短期优化问题;针对所述短期优化问题,结合用户级波束跳变系统特点,采用深度强化学习辅助的增强式遗传算法求解所述短期优化问题,其中深度强化学习用于对各个用户的状态‑动作价值函数进行估计,增强式遗传算法用于对短期优化问题进行求解,从而得到波束跳变模式以及接入控制策略;本发明提高了系统的吞吐量,降低了系统的未满足容量与未使用容量,有效提升了资源利用率,获得较优的系统性能。

    一种基于深度学习的多用户下行CSI反馈方法

    公开(公告)号:CN114499770B

    公开(公告)日:2023-07-14

    申请号:CN202210068686.2

    申请日:2022-01-20

    Inventor: 陈磊 孙黎 王熠晨

    Abstract: 本发明公开了一种基于深度学习的多用户下行CSI反馈方法,包括以下步骤;步骤1):BS发送导频,UE进行信道估计得到下行CSI;步骤2):UE对CSI进行压缩与量化,并反馈给BS;步骤3):BS收到所有UE反馈的下行CSI进行联合CSI重构;步骤4):利用重构CSI实施MRT预编码同时与所有UE通信。本发明能够在保证较低信道压缩率的基础上提升下行预编码性能。

    eMBB共存时基于预留的URLLC混合多址接入传输优化方法及系统

    公开(公告)号:CN113099460B

    公开(公告)日:2023-03-28

    申请号:CN202110262319.1

    申请日:2021-03-10

    Abstract: 本发明公开了一种eMBB共存时基于预留的URLLC混合多址接入传输优化方法及系统,为URLLC分配预留的专用信道资源,当URLLC发包数小于专用预留信道数时,使用其专用预留信道进行URLLC传输;基于同时满足URLLC终端传输可靠性要求以及eMBB终端传输的目标数据速率要求,采用粒子群优化算法优化URLLC终端与eMBB终端的传输功率以及URLLC用户在eMBB用户资源块上的重叠位置,得到能够支持的URLLC终端数量的最大值;当URLLC发包数大于预留信道数时,多出的数据包则会重叠在eMBB用户的信道上进行URLLC的传输,有当URLLC的预留信道用完后,URLLC用户才会叠加在已经分配给eMBB用户的信道上进行传输,不仅保证了URLLC的高可靠性,同时也减少了其对eMBB用户的干扰,降低了eMBB用户的数据速率损失。

    基于动态波束分配的安全波束成形方法及系统

    公开(公告)号:CN115499047A

    公开(公告)日:2022-12-20

    申请号:CN202211085072.1

    申请日:2022-09-06

    Abstract: 本发明公开了一种基于动态波束分配的安全波束成形方法及系统,本发明方法通过动态波束分配并在大规模低轨卫星星座的发射端设计总发射功率最小化的波束成形方法,以大规模多波束低轨卫星星座系统中各用户的安全速率不小于最小安全速率各用户的信干噪比不小于最小信干噪比卫星发射功率受限于Pth,卫星星座为用户提供服务的波束数目小于Uk作为约束条件,建立卫星星座总发射功率最小化的优化问题并进行求解,在保证各个用户安全传输的条件下使卫星星座的总发射功率最小化。通过动态波束分配与合理设计大规模低轨卫星星座发射信号的波束成形系数保障了系统中卫星用户的安全传输。

    一种基于深度学习技术的AI接收机及使用方法

    公开(公告)号:CN114696933A

    公开(公告)日:2022-07-01

    申请号:CN202210337246.2

    申请日:2022-04-01

    Inventor: 李猛 孙黎 王熠晨

    Abstract: 本发明公开了一种基于深度学习技术的AI接收机及方法,包括三个神经网络,一个信道特征提取器、一个信号特征提取器和一个信号检测分类器,信道特征提取器根据到信号进行信道信息的估计和提取,信道特征提取提取器的输出馈送到信号特征提取器,帮助信号特征提取器提取出消除信道影响之后的特征信号,特征信号最终送入信号检测分类器进行恢复。本发明解决深度学习架构的非通信专属特性与通信信号检测的实时和精准需求不匹配的问题,同时提高AI接收机的迁移能力和泛化能力,将数字通信领域知识嵌入到神经网络的设计中,使得设计的通信系统接收机具有更高泛化能力和鲁棒性。

    一种基于联合时频分集的免授权上行传输方法

    公开(公告)号:CN110856262B

    公开(公告)日:2022-03-01

    申请号:CN201910913021.5

    申请日:2019-09-25

    Abstract: 本发明公开了一种基于联合时频分集的免授权上行传输方法,基于Slotted‑Aloha模型联合应用了时间分集与频率分集技术,将上行传输时间等分为若干个长度相等的迷你时隙,在每个时隙内,用户设备在系统提供的所有子信道中随机挑选若干个用以传输同一个数据包的副本;在这种传输模式下,可能会出现两个甚至多个用户设备试图在同一条共享信道上同时发送数据包的情况,因此数据包之间可能会发生碰撞,本发明通过随机选择信道并将数据包进行多次重复传输,大大降低了数据包之间的碰撞概率,从而有利于提高系统的可靠性;基于本发明传输方案,在同时满足URLLC超可靠与低时延要求下,同时优化了在时域与频域上的数据包副本个数,以最大化系统可支持的用户设备数量。

Patent Agency Ranking