-
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
Applicant: 北京理工大学 , 中国电子科技集团公司第五十四研究所
Abstract: 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：CN117938610A
公开(公告)日：2024-04-26
申请号：CN202311821631.5
申请日：2023-12-27
Applicant: 北京理工大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L27/34
Abstract: 一种基于元学习的抗相噪星座设计方法，属于无线通信领域。针对现有传统调制技术对抗相位噪声鲁棒性差，现有自适应调制方法不能根据信道的相位噪声实时选择调制星座图的不足，在离线训练阶段通过元学习对收发端网络进行端到端元训练，从而获取能够快速适应新相位噪声信道环境的网络参数和母星座，在线训练阶段从空口在线获取训练样本，对收发端网络进行调优及在线更新，从而获得适应该在线信道的调制星座；通过快速改变调制方式，提升对变化的无线传输环境的适配能力、匹配不同通信场景。本发明适用于无线通信等领域，通过基于小样本元学习的调制方式快速适应，从而提高链路的传输速度和传输质量。
-
公开(公告)号：CN111934730B
公开(公告)日：2021-09-10
申请号：CN202010780092.5
申请日：2020-08-05
Applicant: 北京理工大学 , 中国电子科技集团公司第五十四研究所
IPC: H04B7/0452 , H04B7/0456 , H04B7/08
Abstract: 本发明公开的基于跨时隙消息传递算法的符号级NOMA非同步接收方法，涉及一种基于因子图的符号级非正交多址接入非同步多用户检测方法，属于通信领域。本发明实现方法为：将时间维度引入到传统的二维因子图中，形成基于三维因子图模型的跨时隙消息传递方法，通过利用消息传递方法在每个用于传输的频率资源上跨越时隙对每个用户的码元进行估计，实现对非同步LDS系统的多用户检测，解决传统符号级NOMA系统只能同步传输的问题，实现符号级NOMA非同步接收，提高数据传输效率，拓展LDS系统的能力范围，增强LDS在海量物联通信中的可用性。
-
公开(公告)号：CN118055488A
公开(公告)日：2024-05-17
申请号：CN202311808410.4
申请日：2023-12-26
Applicant: 北京理工大学 , 中国电子科技集团公司第五十四研究所
Abstract: 一种基于位置消息传递与合并的无人机协作定位增强方法，属于无人机定位领域。采用定位参考信号通信感知一体化框架，基于正交频分复用体制和观察到达时间差技术实现四维定位，有效减少对额外定位资源的需求，提高定位效率；基于因子图模型，通过定位消息的传递和多层迭代，精确解算多个终端位置，有效克服定位节点不足导致的中断概率高的问题；通过低复杂度的定位参数估计方法，将三维定位问题分解为三个一维支路的参数估计，大幅降低计算处理的复杂度。采用一种基于CRLB的定位消息删除准则，优化协作定位结果。本发明适用于无人机定位领域，高效利用无人机资源，实现基于位置消息传递的精确定位，降低位置解算复杂度、节省无人机资源开销。
-
公开(公告)号：CN111934730A
公开(公告)日：2020-11-13
申请号：CN202010780092.5
申请日：2020-08-05
Applicant: 北京理工大学 , 中国电子科技集团公司第五十四研究所
IPC: H04B7/0452 , H04B7/0456 , H04B7/08
Abstract: 本发明公开的基于跨时隙消息传递算法的符号级NOMA非同步接收方法，涉及一种基于因子图的符号级非正交多址接入非同步多用户检测方法，属于通信领域。本发明实现方法为：将时间维度引入到传统的二维因子图中，形成基于三维因子图模型的跨时隙消息传递方法，通过利用消息传递方法在每个用于传输的频率资源上跨越时隙对每个用户的码元进行估计，实现对非同步LDS系统的多用户检测，解决传统符号级NOMA系统只能同步传输的问题，实现符号级NOMA非同步接收，提高数据传输效率，拓展LDS系统的能力范围，增强LDS在海量物联通信中的可用性。
-
Patent Agency Ranking
公开(公告)号：CN116156516B
公开(公告)日：2024-07-30
申请号：CN202310167485.2
申请日：2023-02-27
Applicant: 北京理工大学
Abstract: 本发明公开一种基于叠加传输的无人机蜂群神经网络传输方法，属于通信领域。本发明通过确定无人机蜂群网络架构；基于第一层无人机对环境进行感知，感知信号传递、合并、再传递，中心无人机节点接收信号，并做出决策，构建无人机蜂群神经网络，通过损失函数得到优化的无人机蜂群神经网络。本发明利用神经网络与无线多址接入的相似性，在无人机蜂群网络基础上，构建一个多址通信技术和神经网络技术结合的统一网络架构，并引入空中信号叠加处理技术，提高无人机蜂群网络信号检测效率，实现通信与空中信号处理联合优化的端到端网络模型，减少与检测目标无关的冗余信号对带宽的占用，解决无人机蜂群网络检测系统中传输带宽不足问题。
-
公开(公告)号：CN117459356A
公开(公告)日：2024-01-26
申请号：CN202311397396.3
申请日：2023-10-25
Applicant: 北京理工大学 , 中国电子科技集团公司第二十二研究所
IPC: H04L27/00 , G06F18/214 , G06F18/241 , G06F18/213 , G06N3/047 , G06N3/084
Abstract: 本发明公开的一种基于深度学习的通信信号增量式调制开集识别方法，属于无线电通信信号调制识别方法领域。本发明实现方法为：构建通信信号调制识别的开集‑增量网络模型，开集‑增量网络模型包含基于残差神经网络的特征提取网络和开集识别分类层。特征提取网络在后续增量训练的过程中每次更新，通过增量阶段的损失函数优化更新特征提取网络的网络参数，增加开集‑增量网络模型中的已知类别。通过在基类训练开集‑增量模型中加入各调制类别的质心向量并利用极大值理论分析的统计方法实现开集识别，通过构建并更新样本范例集、更新增量式分类网络，实现增量式的调制分类，使得开集‑增量网络模型实现开集式、无线电通信信号增量式调制识别。
-
公开(公告)号：CN117199627A
公开(公告)日：2023-12-08
申请号：CN202311083388.1
申请日：2023-08-25
Applicant: 北京理工大学
IPC: H01M10/615 , H01M10/633 , H01M10/623 , H01M10/6571 , H01M10/635
Abstract: 本发明涉及电子温控技术领域，提供一种温度控制方法、装置、电子设备和存储介质，其中方法包括：在手持终端内电池的第一环境温度低于第一温度阈值的情况下，开启加热电路进行加热，监测加热中电池的环境温度得到温度时刻序列，在最新监测所得的第二环境温度高于等于第一温度阈值的情况下，基于温度时刻序列和第二温度阈值进行温度预测，得到第二温度阈值对应的第一时刻；在最新监测所得的第二环境温度对应的时刻达到第一时刻之前的预设时刻的情况下，关闭加热电路停止加热，可以在低温时进行自动加热，在此基础上进行温度预测，可以使得电池温度维持在适宜区间的同时，降低能耗，极大地节省能量，保证电池的正常放电、手持终端的正常运行。
-
公开(公告)号：CN116170064A
公开(公告)日：2023-05-26
申请号：CN202310181328.7
申请日：2023-02-27
Applicant: 北京理工大学
IPC: H04B7/185 , G06N3/08 , G06N3/0455
Abstract: 本发明公开一种基于深度变分信息瓶颈的多星协作信号检测方法，属于通信技术领域。本发明采用通信计算一体化方式对感知信号进行处理和传输，并基于信息瓶颈方式，建立深度学习架构来抽取有效信息，通过构建端到端的编码器和解码器并定制批规范化层，减少与检测目标无关的冗余信号对星间链路带宽的占用，解决多星协作检测过程中检测精度和星间链路传输带宽受限问题。本发明通过通信计算一体化技术提高多星协作信号检测效率，增强多星协作信号检测能力；采用深度学习有效地得到近似最优的编码器和解码器，提高多星协作信号检测精度；构建神经网络以及定制批规范化层，有效实现星间链路冗余，缓解星间链路频谱资源紧缺。
-
公开(公告)号：CN110445594A
公开(公告)日：2019-11-12
申请号：CN201910674732.1
申请日：2019-07-25
Applicant: 北京理工大学
Abstract: 本发明涉及一种数据传输辅助的非正交导频设计方法，属于解调参考信号设计以及信道估计技术领域。将对所估计信道参数的候选空间从整个复数域降为有限大小的集合，再根据历史信道或解调LLR的幅度或译码校验结果，从中选择最合适的信道；在最合适的信道中，基于因子图设计非正交数据传输模式，构造非正交DMRS传输模式以及传输符号，进而利用非正交导频和数据联合进行信号估计，并最终据此进行数据恢复。所述非正交导频设计方法能降低对导频资源的需求，在不提升复杂度的并且资源有限的情况下，提供大量DMRS端口；信道估计的性能与现有方案相比准确度提高，并且数据恢复性能良好。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.059 seconds)
