-
公开(公告)号：CN110856134A
公开(公告)日：2020-02-28
申请号：CN201910981934.0
申请日：2019-10-16
申请人： 东南大学
摘要： 本发明公开了一种基于无人机的大规模无线传感器网络数据收集方法，包括以下步骤：传感器节点以事件驱动采集周围信息；将目标区域按网格型划分，在同一网格中的传感器节点组成簇；在每个簇内统计节点能量，选则簇内剩余能量最多的一个节点为簇头节点；计算网格中非簇头节点在t时刻的信息价值；给定阈值函数 若 则将节点数据转发给同一网格中的簇头节点，否则返回；根据DFP模型在线训练无人机，规划无人机路径；无人机根据规划的路径收集传感器节点的数据，并将数据传输回基站。本发明将DFP模型应用于无人机路径规划问题，使无人机最大化收集的总信息价值同时能够保证低电量时充电，非常适用于动物监测，森林火灾，地震救援等场景。
-
公开(公告)号：CN110601745A
公开(公告)日：2019-12-20
申请号：CN201910879928.4
申请日：2019-09-18
申请人： 无锡睿思凯科技股份有限公司 , 东南大学
摘要： 本发明公开了一种通信/测距双系统的无人机通信方法，属于物联网无线通信技术领域。该方法使用双通信系统，同时进行数据通信和距离测量，测距方时刻监听通信质量，在通信方出现失控迹象时及时顶替。结合距离测量值、RSSI值、误帧率自适应选择LoRa、FLRC和GFSK三种调制方式，在保证误帧率低于目标值的情况下最大化传输速率。使用随机的信道选择算法进行跳频，跳频图案均匀分布于2.4G ISM频段内，有效提高抗干扰性能。本发明在通信的基础上增加距离测量功能，为地面站提供了可靠的距离参考信息，也为失控情况提供备用通信方案，为无人机的安全飞行增添可靠保障，同时运用自适应多制式选择算法和随机信道选择算法显著提高系统的有效性和可靠性。
-
公开(公告)号：CN107592635B
公开(公告)日：2019-10-11
申请号：CN201710791223.8
申请日：2017-09-05
申请人： 东南大学
摘要： 本发明公开了一种认知无线电中基于自组织映射神经网络的恶意用户判别方法，本发明利用自组织映射(简称SOM)神经网络学习输入能量矩阵的分布特征，并根据学习结果对输入量进行有效的分类。首先引入“可疑度”的概念，其大小根据每次训练后每种类别所包含的次级用户的个数进行分配。为了消除传统的SOM神经网络的缺陷，本发明进一步提出了“平均可疑度”的概念。具体步骤包括：获得能量矩阵，利用SOM神经网络算法对能量矩阵进行训练得到分类矩阵，计算每个次级用户的“可疑度”，构造索引矩阵并重复训练过程，并将每次得到的“可疑度”取平均值，即“平均可疑度”，并利用“平均可疑度”对次级用户进行分类，识别出恶意用户或是正常用户。
-
公开(公告)号：CN109743701A
公开(公告)日：2019-05-10
申请号：CN201811471782.1
申请日：2018-12-04
申请人： 东南大学
摘要： 本发明提供一种基于超宽带通信(Ultra-wide bandwidth,UWB)的室内三维定位方法，实现在室内环境下对移动UWB盲节点的高精度定位。方法的具体步骤包括：控制台通过Wi-Fi向UWB盲节点发起定位请求，UWB盲节点使用非对称双向测距，以较低的时间代价获得更精准的UWB盲节点与各个锚节点之间的双向飞行时间，并通过Wi-Fi发送至控制台；控制台收到双向飞行时间后，建立TDoA模型，从而将得到的UWB盲节点到UWB锚节点之间的双向飞行时间转化为描述UWB盲节点位置的TDoA方程。使用Chan增强的扩展卡尔曼滤波器滤除无用的噪声和误差后，快速得到UWB盲节点的三维坐标。
-
公开(公告)号：CN105813116B
公开(公告)日：2019-03-29
申请号：CN201610235420.7
申请日：2016-04-15
申请人： 东南大学
摘要： 本发明公开了一种最小化软件定义无线传感器网络能耗的方法。首先，SD‑WSN控制器根据网络中各节点的位置信息，获得节点之间的路径损耗信道特性。其次，以最小化传感器节点的能耗为目标，在满足给定信干噪比的条件下，建立优化问题。然后，采用半正定松弛将原非凸问题转化成凸优化问题。最后，通过求解半正定规划获得全局最优解，得到带宽和功率的最优化分配。该资源分配方法，可降低传感器节点在数据传输过程中的能耗，从而延长整个网络的工作寿命。
-
公开(公告)号：CN108764399A
公开(公告)日：2018-11-06
申请号：CN201810492722.1
申请日：2018-05-22
申请人： 东南大学
IPC分类号： G06K17/00
CPC分类号： G06K17/0029
摘要： 本发明公开了一种基于kNN的RFID标签分类方法及装置，属于物联网射频识别技术领域，该方法包括：从RFID阅读器的接口中获取可读范围内已知分类结果的RFID标签数据，以每个标签号为一组训练数据；为每组训练数据计算信号强度RSSI和多普勒频移DOPPLER统计特征与匹配特征，构成kNN学习的输入特征向量；利用统计特征与匹配特征组成的特征向量，结合kNN机器学习方法，实现对仓库中阅读器范围内所有可读标签的识别及分类，有效区分了实际应用场景中的静止标签、游离标签和传送带上匀速运动的待排序标签。
-
公开(公告)号：CN105025495B
公开(公告)日：2018-09-21
申请号：CN201510385890.7
申请日：2015-06-30
申请人： 东南大学
IPC分类号： H04W16/14 , H04W72/04 , H04B17/382
摘要： 本发明公开了一种无线认知网络全局频谱信息协作感知方法，利用基于变分贝叶斯推断技术的迭代算法，快速求解指定的无阴影衰落地域内的主用户信号的全局功率谱模型系数向量的概率密度函数近似值，然后根据最大后验概率准则得到各主用户发射机的位置坐标、占用频段和各占用频点上信号功率三种信息的最优值，由此得到指定区域内全局频谱分布图，获得频谱在时间、空间、频谱上的多维信息，使得从用户网络可以高效复用空闲频谱。
-
公开(公告)号：CN108055699A
公开(公告)日：2018-05-18
申请号：CN201711236897.8
申请日：2017-11-30
申请人： 东南大学
IPC分类号： H04W72/04
CPC分类号： H04W72/0446 , H04W72/0493
摘要： 本发明公开了一种感知时长和资源分配联合优化的三点插值快速算法，优化目标为：其中r为数据总速率，τ为感知时隙宽度，X和W分别为用户对各频带的占比矩阵和发射功率矩阵，约束条件为检测和虚警概率、发射功率峰值和均值均受限于预设门限。所述算法首先将优化问题分解为上下两个子层；然后在τ可行区下界附近选取第一二插值点，基于其连线斜率选取第三插值点；其次令插值函数导数为零导出τ最优解最后将τ的最优解代入至下层进行优化，得到X和W的最优化解。本发明算法速度优势明显并且精度仍能维持较高水平。
-
公开(公告)号：CN107770103A
公开(公告)日：2018-03-06
申请号：CN201710842297.X
申请日：2017-09-18
申请人： 东南大学
IPC分类号： H04L25/02 , H04B7/08 , H04B7/0413
摘要： 本发明公开了一种基于SSOR迭代的大规模MIMO信号检测方法，该方法包括：(1)根据信道响应矩阵H构造MMSE检测矩阵T；(2)将检测矩阵T分解为矩阵T＝D+L+U，其中D表示T的对角矩阵，L代表T的严格下三角矩阵，U代表T的严格上三角矩阵，且U＝LH；(3)采用信道硬化现象对估计SSOR迭代算法的最优松弛系数；(4)根据矩阵D、L和最优松弛系数，采用SSOR迭代法对经接收端匹配滤波器输出的接收信号矩阵 进行检测得到发射信号估计值 本发明复杂度更低。
-
公开(公告)号：CN104159233B
公开(公告)日：2017-11-28
申请号：CN201410375436.9
申请日：2014-07-31
申请人： 东南大学
摘要： 本发明公开了一种认知无线电中用于求解感知时隙长度的近似方法，而认知无线电网络的频谱感知通常安排在数据帧内的感知时隙进行，随后的时隙用于传送数据。设置多少长度的帧内静默期，即感知时隙，以求达到最大的数据吞吐率，是一个非线性优化问题，一般使用二分法、黄金分割法或其他数值方法求解，所需的计算量很大，不便于实际应用。本发明提出一种复杂度更小的近似方法，能显著减少运算量。
-
-
-
-
-
-
-
-
-
搜索结果
267 条记录 (耗时 0.056 秒)
