-
公开(公告)号：CN116389287A
公开(公告)日：2023-07-04
申请号：CN202310612694.3
申请日：2023-05-29
Applicant: 北京理工大学 , 北京邮电大学 , 雅泰歌思(上海)通讯科技有限公司 , 中国电子科技集团公司第五十四研究所
Inventor： 高然 , 忻向军 , 姚海鹏 , 许琦 , 葛洪武 , 黄鑫 , 吴巍 , 郭栋 , 常欢 , 董泽 , 潘晓龙 , 李志沛 , 周思彤 , 刘欣雨 , 朱磊 , 李欣颖 , 张琦 , 王富 , 张文全 , 武瑞德 , 闫景浩
Abstract: 本发明公开的一种模分复用通信系统的信道构建方法，属于光纤通信领域。本发明实现方法为：基于发送的M‑PAM信号序列构建条件向量，基于同步处理后的M‑PAM信号序列构建真实数据，基于条件向量和真实数据构建训练数据集；构建用于模分复用系统信道构建的AWCGAN网络模型，条件向量作为网络模型中生成器网络模型的输入特征序列，真实数据作为网络模型中鉴别器网络模型的输入特征序列；训练网络模型；将测试集中的条件向量输入到训练好生成器网络，输出得到每个信号的预测信号，将预测信号与对应模分复用系统信道传输的真实信号数据计算归一化均方误差，得到网络模型的信道构建结果，提高OAM模分复用系统信道构建的精准度。
-
公开(公告)号：CN113660304A
公开(公告)日：2021-11-16
申请号：CN202110767145.4
申请日：2021-07-07
Applicant: 北京邮电大学 , 西藏高驰科技信息产业集团有限责任公司
IPC: H04L29/08
Abstract: 本发明公开一种基于双向拍卖博弈的无人机群分布式学习资源管控方法，其特征在于将无人机群联邦学习过程分为两个部分，包括：初始化阶段和学习阶段。联邦学习平台聚集接收到的局部模型，生成一个全局联合学习模型，并基于双向拍卖理论进行迭代更新，引入控制器使无人机群迭代的相互作用并调整他们的出价，使市场快速收敛到社会福利最大化点。随着参与者的增加，总福利增加，收敛速度降低。这种现象是由于更多的FL平台的参与会带来更多的外部效用，同时更多的参与者也增加了系统的复杂性，从而延缓收敛速度。
-
公开(公告)号：CN119629697A
公开(公告)日：2025-03-14
申请号：CN202510148120.4
申请日：2025-02-11
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人集群分布式智能路由的方法、装置和电子设备，属于组网通信的技术领域，该方法中，通过无人集群网络中各智能体（即各网络节点）间的信息共享与动态交换，全面提升智能体对网络状态的感知能力，从而增强路由决策的全局优化能力，使网络在高动态环境下仍能保持高效协同，另外，各节点能够基于自身的历史本地状态向量，结合实时网络变化（即本地状态信息），智能预测未来的网络状态并制定路由转发策略，充分挖掘了历史信息的潜在价值，大幅提升了节点在复杂网络环境中进行路由决策的准确性和前瞻性，此外，上述过程可在当前智能体本地进行上述分布式同步的运算，网络通信的灵活性好、效率高。
-
公开(公告)号：CN116367178B
公开(公告)日：2023-07-25
申请号：CN202310627358.6
申请日：2023-05-31
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人集群自适应组网方法与装置，涉及通信的技术领域，该方法首先根据无人节点之间信噪比和链路有效值构建出当前时隙下无人集群对应的图结构，然后利用裂变谱聚类算法对上述图结构进行谱聚类处理，得到多个子图，其中，裂变谱聚类算法包括以下聚类条件：每个子图中无人节点的数量小于或等于预设阈值，每个子图中至少存在一个与其他无人节点之间的信噪比均小于预设信噪比限值的目标无人节点。裂变谱聚类算法的聚类条件能够确保分簇结果中保留高性能通信链路，同时确保簇结构的合理性、稳定性及其通信能力。因此，该方法能够有效地缓解现有的无人集群聚类算法存在的无法保障分簇后的无人集群通信性能的技术问题。
-
公开(公告)号：CN116367178A
公开(公告)日：2023-06-30
申请号：CN202310627358.6
申请日：2023-05-31
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人集群自适应组网方法与装置，涉及通信的技术领域，该方法首先根据无人节点之间信噪比和链路有效值构建出当前时隙下无人集群对应的图结构，然后利用裂变谱聚类算法对上述图结构进行谱聚类处理，得到多个子图，其中，裂变谱聚类算法包括以下聚类条件：每个子图中无人节点的数量小于或等于预设阈值，每个子图中至少存在一个与其他无人节点之间的信噪比均小于预设信噪比限值的目标无人节点。裂变谱聚类算法的聚类条件能够确保分簇结果中保留高性能通信链路，同时确保簇结构的合理性、稳定性及其通信能力。因此，该方法能够有效地缓解现有的无人集群聚类算法存在的无法保障分簇后的无人集群通信性能的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN115329985A
公开(公告)日：2022-11-11
申请号：CN202211087378.0
申请日：2022-09-07
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人集群智能模型训练方法、装置和电子设备，涉及通信的技术领域，该方法将无人集群的训练划分为簇内集中式联邦学习和簇间分布式联邦学习两个阶段，簇内集中式学习时，簇头作为模型所有者来和簇内节点进行参数传递，并进行模型聚合，从而缓解了传统的集中式联邦学习方式存在的通信拥塞和计算瓶颈的技术问题；并且，簇间分布式学习时，由于只有邻居簇头间进行参数传输和模型聚合，所以与传统分布式联邦学习相比，本发明还能有效地减少通信能耗。
-
公开(公告)号：CN115037667B
公开(公告)日：2022-11-08
申请号：CN202210953069.0
申请日：2022-08-10
Applicant: 北京邮电大学
IPC: H04L45/00 , H04L45/121 , H04L47/12 , G06N3/04
Abstract: 本发明提供了一种细粒度网络态势感知与源路由智能优化方法与装置，涉及通信的技术领域，包括：获取目标网络内所有网络设备的状态信息和待传送数据包的属性信息，利用深度强化学习算法对状态信息和属性信息进行处理，得到待传送数据包的路由路径。深度强化学习算法中，每条可选路由路径的奖励为可选路由路径上每个网络设备的奖励之和，且每个网络设备的奖励为网络设备的节点时延与目标网络的最大链路利用率的加权和的相反数，因此，本发明方法可以在最小化最大链路利用率和路径时延的情况下，计算出最优路由路径，从而不会导致大量数据流堆积在同一路径，避免出现网络拥塞的问题，保证了数据包传输的及时性，进而提升了整体网络传输性能。
-
公开(公告)号：CN114942653B
公开(公告)日：2022-10-25
申请号：CN202210881139.6
申请日：2022-07-26
Applicant: 北京邮电大学
IPC: G05D1/10
Abstract: 本发明提供了一种无人集群飞行策略的确定方法、装置和电子设备，涉及通信的技术领域，包括：获取目标区域内无人集群的位置信息、所有地面用户的位置信息和正常地面基站的通信吞吐量；无人集群包括多个无人机基站；基于每个无人机基站的位置信息和所有地面用户的位置信息，确定每个无人机基站的状态信息；利用目标混合网络模型对所有无人机基站的状态信息和正常地面基站的通信吞吐量进行处理，得到每个无人机基站的动作信息，以确定无人集群的飞行策略。目标混合网络模型为每个无人机基站都设有相应的单智能体网络模型，避免了环境非平稳的问题；目标混合网络模型基于联合动作价值函数进行训练，解决了动作空间维度爆炸的技术问题。
-
公开(公告)号：CN114884958B
公开(公告)日：2022-09-20
申请号：CN202210811936.7
申请日：2022-07-12
Applicant: 北京邮电大学
IPC: H04L67/10 , H04L67/1008 , H04L67/101 , H04B7/185 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种星地融合网络中的计算任务卸载方法、装置和电子设备，涉及通信的技术领域，包括：获取星地融合网络中目标边缘网络内所有地面装置的任务状态参数；利用目标神经网络模型对所有地面装置的任务状态参数进行处理，得到每个地面装置的配置参数；其中，目标神经网络模型是基于目标边缘网络的计算任务传输开销计算模型训练的，且计算任务传输开销计算模型的目标为计算任务的传输开销最小；基于所有地面装置的配置参数确定目标边缘网络的计算任务卸载策略；基于计算任务卸载策略，对目标边缘网络中的所有待执行计算任务进行卸载。该方法能够有效的对抗时变信道增益和随机任务到达，在满足用户服务质量的前提下最小化计算任务的传输开销。
-
公开(公告)号：CN114942653A
公开(公告)日：2022-08-26
申请号：CN202210881139.6
申请日：2022-07-26
Applicant: 北京邮电大学
IPC: G05D1/10
Abstract: 本发明提供了一种无人集群飞行策略的确定方法、装置和电子设备，涉及通信的技术领域，包括：获取目标区域内无人集群的位置信息、所有地面用户的位置信息和正常地面基站的通信吞吐量；无人集群包括多个无人机基站；基于每个无人机基站的位置信息和所有地面用户的位置信息，确定每个无人机基站的状态信息；利用目标混合网络模型对所有无人机基站的状态信息和正常地面基站的通信吞吐量进行处理，得到每个无人机基站的动作信息，以确定无人集群的飞行策略。目标混合网络模型为每个无人机基站都设有相应的单智能体网络模型，避免了环境非平稳的问题；目标混合网络模型基于联合动作价值函数进行训练，解决了动作空间维度爆炸的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.039 seconds)
