-
公开(公告)号:CN117939625A
公开(公告)日:2024-04-26
申请号:CN202311749405.0
申请日:2023-12-19
申请人: 北京理工大学 , 中国电子科技集团公司第五十四研究所
摘要: 本发明涉及一种通信时延下基于深度学习的目标位置估计方法,属于导航定位领域。本发明采用先同步再定位的策略,在延迟距离序列同步阶段,主感知节点分别处理来自不同次感知节点的有传输时延的距离信息,采用课程学习和抽样方式训练Seq2Seq模型对延迟距离序列进行预测,将预测得到的距离序列作为时延段内的距离估计序列;在位置估计阶段,将主感知节点的无时延距离序列与所有次感知节点在时延段内的距离估计序列组合起来,输入带注意力机制的Attention‑LSTM网络,利用Attention‑LSTM学习距离估计序列与坐标的映射关系,得到待估计时刻目标的位置,为探测目标辐射源的入侵、运动方向,探明事件发生地点以及后续实施正确决策等提供有效依据。
-
公开(公告)号:CN116527105A
公开(公告)日:2023-08-01
申请号:CN202310422827.0
申请日:2023-04-19
申请人: 北京理工大学
IPC分类号: H04B7/185 , H04W72/0446 , H04W72/044 , H04W72/1273 , H04W72/50 , H04W84/06
摘要: 本发明公开的一种基于跨时隙调度的卫星数据下载时间最小化方法,属于卫星通信领域。本发明实现方法为:将通信时间窗口均匀划分为多个时隙;在此基础上,在能量约束下建立并求解最小下载时间上下界均值限制下的吞吐量最大化问题,判断是否能在该时间内完成卫星数据量的下载,并进一步以二分搜索的方式凸优化迭代更新最小下载时间上下界直至收敛,从而得到最小下载时间,并得到达到该最小下载时间的下载时隙选择及各个时隙的能量分配结果,提高卫星下载时间与能量的利用效率,从而减少卫星数据下载所需要连接地面站的时间,实现动态卫星信道和能量获取下的在轨数据高效下载。本发明还具有可行域更大、不涉及星间数据传输等优点。
-
公开(公告)号:CN112579301B
公开(公告)日:2022-07-01
申请号:CN202011581614.5
申请日:2020-12-28
申请人: 北京理工大学
摘要: 本发明涉及一种基于NDN的P2P分布式机器学习训练系统数据传输方法,属于分布式机器学习领域。本发明方法,将NDN中基于PIT的请求聚合机制、基于CS的网内缓存机制以及“一对多”的内容分发机制应用于P2P架构下的分布式机器学习中,在同步训练与异步训练中,能够满足减小传输冗余数据的需求。本发明方法减小了分布式机器学习训练系统中的传输冗余,从而减小了传输时延,提高了网络传输效率。同时,可以支持异步机器学习。在传输失败进行重传时,可以通过网内缓存实现就近获取,减少了对服务器端链路的占用,降低了传输延迟。
-
公开(公告)号:CN115913862B
公开(公告)日:2024-08-02
申请号:CN202211535429.1
申请日:2022-11-30
申请人: 北京理工大学 , 中国电子科技集团公司电子科学研究院
IPC分类号: H04L27/26
摘要: 本发明公开一种基于FDSS的DFT‑s‑OFDM感知性能优化方法,属于感知通信一体化领域。本发明通过在发射端生成基于FDSS增强的DFT‑s‑OFDM的ISAC信号,ISAC信号通过加性高斯白噪声信道,收端接收照射到感知目标的回波信号,并采用DFT方法对信号进行检测接收,获取接收回波信号时延维度的模糊函数及其积分旁瓣比,联合优化波形积分旁瓣比与峰均比性能。本发明以DFT‑s‑OFDM波形为基础,并对DFT‑s‑OFDM进行FDSS加窗处理,通过FDSS向量约束模糊函数的旁瓣,使能量集中于主瓣,提升单目标估计精度以及多目标分辨率,同时降低波形峰均比,实现感知与通信性能的联合优化,提高DFT‑s‑OFDM的感知精度。
-
公开(公告)号:CN117715054A
公开(公告)日:2024-03-15
申请号:CN202311658293.8
申请日:2023-12-05
申请人: 北京理工大学 , 中国人民解放军32802部队
IPC分类号: H04W16/10 , G06N3/092 , G06N3/0464 , H04B7/185
摘要: 基于深度强化学习的多体协作式卫星接入与抗干扰方法,属于卫星通信领域。使用深度强化学习中Actor‑Critic离线学习方法,搭建部分链接神经网络,使用目标网络软更新神经网络参数,提升在对抗过程中的决策性能,更好的适应电磁环境中的变化;在对环境建模及强化学习的状态建模中,将上一个时刻的动作融入状态当中,再结合奖励的判定,在连续时隙内输出各不相同的动作,使智能接入更具备灵活性与变动性,提升接入的抗干扰能力;使用GPU计算网络及离线策略强化学习方法,在缺乏训练样本和先验数据的情况下也能进行样本采集训练和有效智能接入。本发明适用于卫星通讯领域,在保障用户接入正确率的情况下,提高抗干扰的能力。
-
公开(公告)号:CN112579301A
公开(公告)日:2021-03-30
申请号:CN202011581614.5
申请日:2020-12-28
申请人: 北京理工大学
摘要: 本发明涉及一种基于NDN的P2P分布式机器学习训练系统数据传输方法,属于分布式机器学习领域。本发明方法,将NDN中基于PIT的请求聚合机制、基于CS的网内缓存机制以及“一对多”的内容分发机制应用于P2P架构下的分布式机器学习中,在同步训练与异步训练中,能够满足减小传输冗余数据的需求。本发明方法减小了分布式机器学习训练系统中的传输冗余,从而减小了传输时延,提高了网络传输效率。同时,可以支持异步机器学习。在传输失败进行重传时,可以通过网内缓存实现就近获取,减少了对服务器端链路的占用,降低了传输延迟。
-
公开(公告)号:CN112822110A
公开(公告)日:2021-05-18
申请号:CN202011580994.0
申请日:2020-12-28
申请人: 北京理工大学
IPC分类号: H04L12/741 , H04L12/761 , H04L29/08 , G06N20/00
摘要: 本发明涉及一种基于NDN的PS架构分布式机器学习训练系统数据传输方法,属于分布式机器学习技术领域。本发明方法,将NDN中基于PIT的请求聚合机制、基于CS的网内缓存机制以及“一对多”的内容分发机制应用于分布式机器学习训练系统中,能够改变现有的PS与多个CPU之间“一对一”的数据交互的模式,减少PS发送更新参数的次数,从而减少数据的冗余传输、减轻PS周边链路负载、降低链路带宽占用、缩短机器学习的训练计算时延。
-
公开(公告)号:CN110753123B
公开(公告)日:2020-10-23
申请号:CN201911029796.2
申请日:2019-10-28
申请人: 北京理工大学
IPC分类号: H04L29/08 , H04L1/18 , H04L12/801 , H04L12/46 , H04L29/06
摘要: 本发明涉及一种面向连接的数据传输方法,属于网络数据传输技术领域。包括消费者A及生产者B创建套接字;消费者A发送连接请求兴趣包,生产者B持续接收并连接请求数据包回复;生产者B发送连接确认兴趣包,消费者A持续接收并连接确认数据包回复;消费者A发送询问兴趣包,生产者B回复告知数据包;消费者A发送数据请求兴趣包,生产者B回复数据内容数据包;消费者A发送释放兴趣包,生产者B回复并发送释放兴趣包,消费者A回复释放数据包;生产者B定期发送检测兴趣包及消费者A回复;消费者A定期发送检测兴趣包,生产者B回复检测数据包及消费者A与生产者B定期检测重传计时器并重发。所述方法实现了数据的可靠传输。
-
公开(公告)号:CN110753123A
公开(公告)日:2020-02-04
申请号:CN201911029796.2
申请日:2019-10-28
申请人: 北京理工大学
IPC分类号: H04L29/08 , H04L1/18 , H04L12/801 , H04L12/46 , H04L29/06
摘要: 本发明涉及一种面向连接的数据传输方法,属于网络数据传输技术领域。包括消费者A及生产者B创建套接字;消费者A发送连接请求兴趣包,生产者B持续接收并连接请求数据包回复;生产者B发送连接确认兴趣包,消费者A持续接收并连接确认数据包回复;消费者A发送询问兴趣包,生产者B回复告知数据包;消费者A发送数据请求兴趣包,生产者B回复数据内容数据包;消费者A发送释放兴趣包,生产者B回复并发送释放兴趣包,消费者A回复释放数据包;生产者B定期发送检测兴趣包及消费者A回复;消费者A定期发送检测兴趣包,生产者B回复检测数据包及消费者A与生产者B定期检测重传计时器并重发。所述方法实现了数据的可靠传输。
-
公开(公告)号:CN116761157A
公开(公告)日:2023-09-15
申请号:CN202310649154.2
申请日:2023-06-02
申请人: 北京理工大学
IPC分类号: H04W4/90 , H04W4/40 , H04W4/021 , H04W72/0446 , H04W72/044 , H04B7/185
摘要: 本发明公开基于计算与通信联合的无人机数据下载时间优化方法,属于移动通信技术领域。本发明通过建立包含采集灾区信息、机载数据处理以及抵达通信区域传输数据三个阶段的无人机辅助应急响应模型;建立无人机辅助应急响应网络能量约束;综合计算频率、传输功率以及计算策略,联合优化数据机载计算与数据传输策略,以最小化无人机数据下载阶段的时间,实现任务执行时间效率的提升;基于无人机现实能量约束限制,合理分配无人机数据处理和数据传输能量,实现无人机有限能量的最大化利用,提升任务执行效率的同时,保证高质量的任务完成率;有效利用无人机无数据传输阶段进行机载数据处理,更适用于应急场景的高时效通信需求。
-
-
-
-
-
-
-
-
-