-
公开(公告)号：CN114978261A
公开(公告)日：2022-08-30
申请号：CN202210517793.9
申请日：2022-05-12
Applicant: 东南大学
IPC: H04B7/0426 , G06N3/04 , G06N3/08 , H04B7/0456 , H04B17/336 , H04K1/06
Abstract: 本发明公开了一种基于深度学习的毫米波安全混合波束成形方法，采取了线下对深度学习网络模型进行训练，模型训练完成之后，上线运行的模式。线下训练包括：收集合法用户信道信息与窃听者信道信息；对合法用户信道信息与窃听者信道信息进行一些预处理之后作为模型的输入，且将合法用户信道信息与窃听者信道信息与信噪比信息作为自定义loss函数的lambda层的输入；模型以最大化安全频谱效率为目标不断的更新模型的参数直到训练完成。将线下训练好的模型上线运行，将合法用户信道信息、窃听者信道信息与信噪比信息进行输入，得到模拟预编码矩阵的输出。本发明在保障较好的安全频谱效率的同时，能够有效的减少计算复杂度，提高系统实时性。
-
公开(公告)号：CN114867090A
公开(公告)日：2022-08-05
申请号：CN202210486759.X
申请日：2022-05-06
Applicant: 东南大学
Abstract: 本发明公开了一种基于LSTM无监督学习的UDN基站休眠与功率分配联合优化方法。其中，方法包括：首先基于用户移动的超密集网络UDN网络模型，定义网络的平均能效函数，将不同时刻基站休眠带来的基站状态切换功率也考虑其中。然后生成信道数据集，其中每条样本是一段时间里随着用户移动而变化的信道信息形成的序列。进而提出一种基于LSTM神经网络的决策优化方法，其输入为信道信息序列，输出为基站休眠与功率分配策略，LSTM网络将平均能效函数的相反数作为损失函数，指导网络进行无监督训练。本发明采用无监督学习，免去传统机器学习先求最优解来生成标签的步骤，降低了训练数据集获取难度。
-
公开(公告)号：CN114844538A
公开(公告)日：2022-08-02
申请号：CN202210474863.7
申请日：2022-04-29
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0426
Abstract: 本发明公开了一种基于宽学习的毫米波MIMO用户增量协作波束选择方法，包括：针对多点协作毫米波大规模MIMO场景的下行波束选择问题，各用户收集下行宽波束响应与传输窄波束响应，训练本地宽学习网络，并基于预测的窄波束响应进行波束选择。进一步，通过将各用户本地网络的训练问题建模为具有一致性约束的分布式优化问题，利用相邻用户间的D2D通信，可实现训练数据的有效共享。进一步，设计协作模式下用户本地网络的增量式更新方式，可有效降低网络的训练复杂度。本发明充分利用分布式宽学习在小样本条件下挖掘多基站宽波束响应与传输窄波束响应关系的能力，可实现快时变场景多点协作毫米波大规模系统的低复杂度低开销波束选择。
-
公开(公告)号：CN110161472B
公开(公告)日：2022-07-22
申请号：CN201910353648.X
申请日：2019-04-29
Applicant: 东南大学
IPC: G01S7/41
Abstract: 本发明公开一种基于信号复用的宽带车载毫米波雷达解速度模糊方法，该方法步骤为：首先对接收的中频时域信号进行二维FFT处理，并完成目标检测和参数估计；其次，根据系统感兴趣的目标速度范围，计算出目标真实速度参数的所有可能取值；随后根据最佳划分系数从主信号中提取子信号，并根据雷达系统参数，对目标每一个可能的速度值计算相对应的二维DFT旋转因子；最后利用计算出的二维DFT旋转因子，对子信号进行二维DFT运算，其中对应频谱幅度最大的速度值即为目标真实速度的估计值。该方法能够解决现有解速度模糊技术方案中需要辅助信号且复杂度较高的问题，明显地提高了系统的时间利用率，降低系统整体复杂度并具有较高的鲁棒性。
-
公开(公告)号：CN114745032A
公开(公告)日：2022-07-12
申请号：CN202210353306.X
申请日：2022-04-06
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0426 , H04B7/0456 , H04B7/06
Abstract: 本发明公开了一种无蜂窝大规模MIMO智能分布式波束选择方法。各基站训练本地无监督网络，基于完整信道状态信息的低开销表征，如同步信号块波束的接收信号强度指示，进行波束空间的压缩，提高波束选择的效率；将各基站划分为多个包含少量共有基站的局部协作集，并利用博弈等分布式算法，实现低开销联合波束选择；结果进一步返回各基站，利用有监督学习实现基于本地低开销信道表征的自主波束选择。本发明利用无监督学习压缩波束空间，而非直接映射波束选择，可显著降低学习难度。同时，引入局部协作集并利用分布式算法执行有效的联合波束选择，可为无监督学习提供有效的训练损失函数，同时提供显式标签帮助系统实现分布式联合波束选择。
-
Patent Agency Ranking
公开(公告)号：CN112911610B
公开(公告)日：2022-07-12
申请号：CN202110102629.7
申请日：2021-01-25
Applicant: 东南大学
Abstract: 本发明公开了一种面向无线通信网络优化的信道波束图样拓展方法，首先，获取实际无线通信网络中的位置信息、工程参数以及通过波束训练得到的信道波束图样，对数据进行预处理，筛选合适的数据特征，并建立用于信道波束图样拓展的数据集。接着，建立由神经网络和多变量高斯过程回归模型串联而成的深度多变量高斯过程回归模型。然后，利用信道波束图样拓展数据集，根据负对数似然函数对深度多变量高斯过程回归模型进行训练，联合优化神经网络权重参数以及高斯过程回归超参数。最后，根据从无线通信网络中获取的新的位置信息和工程参数，利用得到的深度多变量高斯过程回归模型拓展得到对应的信道波束图样，可以有效实现信道波束图样拓展。
-
公开(公告)号：CN114663370A
公开(公告)日：2022-06-24
申请号：CN202210229806.2
申请日：2022-03-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度异常检测的铁路货车零部件故障检测方法，通过学习大量的正常样本，将部位正常的表征总结出来，而其他的表征视为异常，无需穷举故障可能的表征形式即可很好的将故障检测出，可以应对故障的各种表现形式，降低人工的劳动强度。本发明方法在多个铁路货车零部件测试数据上达到了98.07％的AUC，可以很好的辅助人工进行故障检测，大幅度降低检车员的劳动强度。
-
公开(公告)号：CN113242111B
公开(公告)日：2022-04-26
申请号：CN202110508573.5
申请日：2021-05-10
Applicant: 东南大学
IPC: H04L1/00 , H04B7/0413
Abstract: 本发明公开了一种适合MIMO通信系统的基带速率匹配方法，以规定的标识符，包括起始标识符A、结束标识符B和转义标识符C区分上层业务数据的范围，起始标识符A与结束标识符B之间为有效数据即上层业务数据经过信道编码、扰码、转义的数据，结束标识符B到子帧结束为填充的随机数。本发明采用编码转义的方式来避免有效数据域中出现起始标识符A、结束标识符B、转义标识符C；设计MIMO多路流的时序同步方法，增加起始标识符的位宽，且在接收机中多路联合检测起始标识符A，能够减少因空口传输发生比特误码而导致的起始标识符判断出错的概率。本发明支持MIMO通信系统传输不超过基带速率的所有上层业务。
-
公开(公告)号：CN114355309A
公开(公告)日：2022-04-15
申请号：CN202210026100.6
申请日：2022-01-11
Applicant: 东南大学
Abstract: 本发明涉及定位方法、装置、计算机设备和存储介质，方法包括：通过本端搭载在移动平台上的雷达发射机向目标发射时间调制频率分集信号，并通过所述本端雷达的接收机接收所述目标反射的接收信号；根据所述时间调制的频率分集信号和所述不同时刻的接收信号，进行相位补偿；根据所述相位补偿之后的不同时刻的接收信号，确定扩展虚拟频率分集阵列的等效接收信号矢量，所述扩展虚拟频率分集阵列包括孔洞以及不含孔洞的均匀虚拟频率分集阵列；选取不含孔洞的均匀虚拟频率分集阵列确定均匀接收信号矢量，基于所述均匀接收信号矢量，确定等效接收信号等效导向矢量；根据所述均匀接收信号矢量及等效导向矢量，构建距离‑方位角谱，并解算确定所述目标位置。
-
公开(公告)号：CN110311807B
公开(公告)日：2022-04-08
申请号：CN201910491506.X
申请日：2019-06-06
Applicant: 东南大学
IPC: H04L41/0631 , H04L41/0654
Abstract: 本发明公开一种电动吊篮数据采集系统网络状况自适应监控方法，该方法包括以下步骤：步骤1：创建用于标志网络未初始化的文件，提示外部程序网络链路未初始化；步骤2：运行网络拨号程序，初始化网络；步骤3：监测网络异常状态；步骤4：删除用于标志网络状况异常和标志网络未初始化的文件；步骤5：进行实时网络状态测试：步骤6：创建用于标志网络状况异常的文件，关闭拨号程序，重新启动拨号程序，进入步骤3继续监测网络状态。本发明通过嵌入式Linux系统自带的系统命令对网络状态进行检测，在发现故障时，重启网络拨号程序，恢复网络。如果长时间网络断开，则会报告网络异常状态，便于网络程序内部及时处理网络异常状况。
-
-
-
-
-
-
-
-
-
Search Results
475
records
(took 0.029 seconds)
