-
公开(公告)号：CN114158128A
公开(公告)日：2022-03-08
申请号：CN202210123805.X
申请日：2022-02-10
申请人： 北京理工大学
摘要： 本发明提供一种同步轨道卫星隐蔽通信的非对称动态时隙通信方法和装置，所述同步轨道卫星隐蔽通信的非对称动态时隙通信方法包括：接收终端发送的第一上行数据对应的目标帧；基于第一上行数据对应的目标帧，生成时延预补偿；基于时延预补偿，向终端发送用于响应第一上行数据对应的目标帧的第一下行数据；其中，第一下行数据包括用于指示终端发送第二上行数据的速率信息和帧长信息；时延预补偿用于使终端在发送完第一上行数据对应的目标帧并切换至接收状态时接收第一下行数据。本发明的同步轨道卫星隐蔽通信的非对称动态时隙通信方法，可灵活地支持非对称业务，提高时频资源利用率，并能缩短信号空中存续时间，提高抗侦测能力。
-
公开(公告)号：CN114401178B
公开(公告)日：2022-07-01
申请号：CN202210292793.3
申请日：2022-03-24
申请人： 北京理工大学
IPC分类号： H04L27/26
摘要： 本发明提供一种频偏估计方法、装置、设备及存储介质，其中应用于接收端设备，该方法包括：接收发送端设备发送的数据帧；数据帧中包括至少一个频偏估计单元，频偏估计单元包括两个数据相同的导频段和两个有效数据段，各导频段和各有效数据段交替排列，且首个导频段位于首个有效数据段之前，每个导频段均包括两段数据相同的导频序列；基于频偏估计单元中的导频段，对频偏估计单元中的有效数据段进行频偏估计。从而可以实现单载波频域均衡系统中大范围高精度的频偏估计，且在频偏估计过程中可以无需做FFT，使得整个频偏估计过程更加快捷高效，并能避免在均衡时引入额外的误差。
-
公开(公告)号：CN114158128B
公开(公告)日：2022-05-17
申请号：CN202210123805.X
申请日：2022-02-10
申请人： 北京理工大学
摘要： 本发明提供一种同步轨道卫星隐蔽通信的非对称动态时隙通信方法和装置，所述同步轨道卫星隐蔽通信的非对称动态时隙通信方法包括：接收终端发送的第一上行数据对应的目标帧；基于第一上行数据对应的目标帧，生成时延预补偿；基于时延预补偿，向终端发送用于响应第一上行数据对应的目标帧的第一下行数据；其中，第一下行数据包括用于指示终端发送第二上行数据的速率信息和帧长信息；时延预补偿用于使终端在发送完第一上行数据对应的目标帧并切换至接收状态时接收第一下行数据。本发明的同步轨道卫星隐蔽通信的非对称动态时隙通信方法，可灵活地支持非对称业务，提高时频资源利用率，并能缩短信号空中存续时间，提高抗侦测能力。
-
公开(公告)号：CN114401178A
公开(公告)日：2022-04-26
申请号：CN202210292793.3
申请日：2022-03-24
申请人： 北京理工大学
IPC分类号： H04L27/26
摘要： 本发明提供一种频偏估计方法、装置、设备及存储介质，其中应用于接收端设备，该方法包括：接收发送端设备发送的数据帧；数据帧中包括至少一个频偏估计单元，频偏估计单元包括两个数据相同的导频段和两个有效数据段，各导频段和各有效数据段交替排列，且首个导频段位于首个有效数据段之前，每个导频段均包括两段数据相同的导频序列；基于频偏估计单元中的导频段，对频偏估计单元中的有效数据段进行频偏估计。从而可以实现单载波频域均衡系统中大范围高精度的频偏估计，且在频偏估计过程中可以无需做FFT，使得整个频偏估计过程更加快捷高效，并能避免在均衡时引入额外的误差。
-
公开(公告)号：CN112732960B
公开(公告)日：2022-09-27
申请号：CN202011630474.6
申请日：2020-12-30
申请人： 北京理工大学
摘要： 本发明公开了一种基于在线联邦学习的图像分类方法，针对机器学习进行图像分类的特性设置批尺寸的选择条件，通过自适应地、逐个地调整每个工作节点的批尺寸大小，有效提高了训练过程中图像数据的利用率，同时有效缓解了批尺寸的波动，进一步提高了训练过程中收敛的稳定性；此外，通过引入与批尺寸成正比的学习率，缓解了批尺寸下降对训练产生的负面影响，进一步提高了训练的收敛速度。
-
公开(公告)号：CN112966741B
公开(公告)日：2022-08-02
申请号：CN202110245686.0
申请日：2021-03-05
申请人： 北京理工大学
IPC分类号： G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N20/20
摘要： 本发明公开了一种可防御拜占庭攻击的联邦学习图像分类方法，通过计算工作节点总信息熵以及各个工作节点的局部信息熵从而得到工作节点的信息熵增益，利用工作节点的信息熵增益取值剔除存在问题的设备再更新模型参数，从而保证了当工作节点受到拜占庭攻击时基于联邦学习的图像分类模型训练的效果，最终实现了对于拜占庭攻击的防御；本发明基于模型训练过程中的模型参数进行计算，算法具有低时间复杂度和空间复杂度，能够实现快速响应，同时由于梯度的计算使用于多种机器学习算法中，因此该方法具有较好的泛化性。
-
公开(公告)号：CN112966741A
公开(公告)日：2021-06-15
申请号：CN202110245686.0
申请日：2021-03-05
申请人： 北京理工大学
摘要： 本发明公开了一种可防御拜占庭攻击的联邦学习图像分类方法，通过计算工作节点总信息熵以及各个工作节点的局部信息熵从而得到工作节点的信息熵增益，利用工作节点的信息熵增益取值剔除存在问题的设备再更新模型参数，从而保证了当工作节点受到拜占庭攻击时基于联邦学习的图像分类模型训练的效果，最终实现了对于拜占庭攻击的防御；本发明基于模型训练过程中的模型参数进行计算，算法具有低时间复杂度和空间复杂度，能够实现快速响应，同时由于梯度的计算使用于多种机器学习算法中，因此该方法具有较好的泛化性。
-
公开(公告)号：CN112732960A
公开(公告)日：2021-04-30
申请号：CN202011630474.6
申请日：2020-12-30
申请人： 北京理工大学
摘要： 本发明公开了一种基于在线联邦学习的图像分类方法，针对机器学习进行图像分类的特性设置批尺寸的选择条件，通过自适应地、逐个地调整每个工作节点的批尺寸大小，有效提高了训练过程中图像数据的利用率，同时有效缓解了批尺寸的波动，进一步提高了训练过程中收敛的稳定性；此外，通过引入与批尺寸成正比的学习率，缓解了批尺寸下降对训练产生的负面影响，进一步提高了训练的收敛速度。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.02 秒)