-
公开(公告)号：CN116389287B
公开(公告)日：2023-08-18
申请号：CN202310612694.3
申请日：2023-05-29
申请人： 北京理工大学 , 北京邮电大学 , 雅泰歌思(上海)通讯科技有限公司 , 中国电子科技集团公司第五十四研究所
发明人： 高然 , 忻向军 , 姚海鹏 , 许琦 , 葛洪武 , 黄鑫 , 吴巍 , 郭栋 , 常欢 , 董泽 , 潘晓龙 , 李志沛 , 周思彤 , 刘欣雨 , 朱磊 , 李欣颖 , 张琦 , 王富 , 张文全 , 武瑞德 , 闫景浩
摘要： 本发明公开的一种模分复用通信系统的信道构建方法，属于光纤通信领域。本发明实现方法为：基于发送的M‑PAM信号序列构建条件向量，基于同步处理后的M‑PAM信号序列构建真实数据，基于条件向量和真实数据构建训练数据集；构建用于模分复用系统信道构建的AWCGAN网络模型，条件向量作为网络模型中生成器网络模型的输入特征序列，真实数据作为网络模型中鉴别器网络模型的输入特征序列；训练网络模型；将测试集中的条件向量输入到训练好生成器网络，输出得到每个信号的预测信号，将预测信号与对应模分复用系统信道传输的真实信号数据计算归一化均方误差，得到网络模型的信道构建结果，提高OAM模分复用系统信道构建的精准度。
-
公开(公告)号：CN116389287A
公开(公告)日：2023-07-04
申请号：CN202310612694.3
申请日：2023-05-29
申请人： 北京理工大学 , 北京邮电大学 , 雅泰歌思(上海)通讯科技有限公司 , 中国电子科技集团公司第五十四研究所
发明人： 高然 , 忻向军 , 姚海鹏 , 许琦 , 葛洪武 , 黄鑫 , 吴巍 , 郭栋 , 常欢 , 董泽 , 潘晓龙 , 李志沛 , 周思彤 , 刘欣雨 , 朱磊 , 李欣颖 , 张琦 , 王富 , 张文全 , 武瑞德 , 闫景浩
摘要： 本发明公开的一种模分复用通信系统的信道构建方法，属于光纤通信领域。本发明实现方法为：基于发送的M‑PAM信号序列构建条件向量，基于同步处理后的M‑PAM信号序列构建真实数据，基于条件向量和真实数据构建训练数据集；构建用于模分复用系统信道构建的AWCGAN网络模型，条件向量作为网络模型中生成器网络模型的输入特征序列，真实数据作为网络模型中鉴别器网络模型的输入特征序列；训练网络模型；将测试集中的条件向量输入到训练好生成器网络，输出得到每个信号的预测信号，将预测信号与对应模分复用系统信道传输的真实信号数据计算归一化均方误差，得到网络模型的信道构建结果，提高OAM模分复用系统信道构建的精准度。
-
公开(公告)号：CN116346217B
公开(公告)日：2023-08-08
申请号：CN202310595113.X
申请日：2023-05-25
申请人： 北京理工大学 , 北京邮电大学 , 雅泰歌思(上海)通讯科技有限公司 , 中国电子科技集团公司第五十四研究所
发明人： 常欢 , 忻向军 , 高然 , 姚海鹏 , 袁梦竹 , 马铭 , 葛洪武 , 黄鑫 , 吴巍 , 张琦 , 董泽 , 郭栋 , 潘晓龙 , 李志沛 , 周思彤 , 刘欣雨 , 朱磊 , 李欣颖 , 王富 , 张文全 , 武瑞德 , 闫景浩
IPC分类号： H04B10/07 , H04B17/391 , G06N3/0475 , G06N3/094
摘要： 本发明公开的一种基于深度学习的光通信系统信道构建方法，属于光通信领域。本发明实现方法为：采用条件生成对抗网络构建光通信系统信道，构建包含多组损失函数优化的联合损失函数，多组损失函数包括均方误差损失、对抗损失、平均绝对误差损失。条件生成对抗网络包括生成器和判别器，通过生成器捕获光通信系统收发两端数据分布，并生成具有相同分布的接收端新数据用于混淆判别器；判别器对生成的假数据和真实收端数据鉴别，当判别器达到纳什平衡无法确定其输入来自生成器还是真实数据时，此时条件生成对抗网络中的生成器便能够对光通信系统信道快速准确建模，输出经过复杂损耗的光通信系统接收端数据，提升光通信系统的可靠性和鲁棒性。
-
公开(公告)号：CN116346217A
公开(公告)日：2023-06-27
申请号：CN202310595113.X
申请日：2023-05-25
申请人： 北京理工大学 , 北京邮电大学 , 雅泰歌思(上海)通讯科技有限公司 , 中国电子科技集团公司第五十四研究所
发明人： 常欢 , 忻向军 , 高然 , 姚海鹏 , 袁梦竹 , 马铭 , 葛洪武 , 黄鑫 , 吴巍 , 张琦 , 董泽 , 郭栋 , 潘晓龙 , 李志沛 , 周思彤 , 刘欣雨 , 朱磊 , 李欣颖 , 王富 , 张文全 , 武瑞德 , 闫景浩
IPC分类号： H04B10/07 , H04B17/391 , G06N3/0475 , G06N3/094
摘要： 本发明公开的一种基于深度学习的光通信系统信道构建方法，属于光通信领域。本发明实现方法为：采用条件生成对抗网络构建光通信系统信道，构建包含多组损失函数优化的联合损失函数，多组损失函数包括均方误差损失、对抗损失、平均绝对误差损失。条件生成对抗网络包括生成器和判别器，通过生成器捕获光通信系统收发两端数据分布，并生成具有相同分布的接收端新数据用于混淆判别器；判别器对生成的假数据和真实收端数据鉴别，当判别器达到纳什平衡无法确定其输入来自生成器还是真实数据时，此时条件生成对抗网络中的生成器便能够对光通信系统信道快速准确建模，输出经过复杂损耗的光通信系统接收端数据，提升光通信系统的可靠性和鲁棒性。
-
公开(公告)号：CN116707654A
公开(公告)日：2023-09-05
申请号：CN202310633013.1
申请日：2023-05-31
申请人： 北京邮电大学 , 北京理工大学 , 中国电子科技集团公司第五十四研究所
IPC分类号： H04B10/61 , H04B10/2513 , G06F18/23213
摘要： 本发明公开了一种基于非线性约束的均衡补偿方法及系统，包括：提取信号幅值，基于信号幅值对信号进行径向聚类；基于信号相位对已聚类各径向中心信号进行切向聚类；基于光纤非线性效应测试内外圈相位旋转关系进行中心映射关系的调整。本发明面向相干光通信系统的信号补偿方法及系统，通过对信号进行径向、切向聚类，随后根据不同幅值非线性相位旋转约束映射关系，从而实现信号的非线性损伤补偿，消除频偏偏移和相位噪声影响，能够提供可靠稳定的通信系统，在光纤通信领域极具潜力和应用前景。
-
公开(公告)号：CN117997704A
公开(公告)日：2024-05-07
申请号：CN202410396978.8
申请日：2024-04-03
申请人： 北京邮电大学 , 中国电子科技集团公司第五十四研究所
IPC分类号： H04L41/044 , H04L41/0895 , H04L41/0894 , H04L41/14 , H04L41/16 , H04L45/02 , H04B7/185
摘要： 本申请提供一种空天地一体化网络管控平台，涉及异构资源管理技术领域，包括：获取系统用于获取空天地一体化网络中待处理的应用任务和网络拓扑信息；计算系统用于利用层次化时间扩展图模型，对网络拓扑信息进行处理，生成部署VNF功能模块的约束条件；基于应用任务和约束条件，确定部署VNF功能模块的部署方案；部署系统用于基于部署方案，得到应用服务网络；管控系统用于基于待处理的应用任务，对应用服务网络进行控制。本申请利用面向异构节点层次化时间扩展图模型，在空天地一体化网络内部署VNF功能模块，并管理空天地一体化网络中的异构资源，整合了网络中各节点的存储，计算和通信资源。
-
公开(公告)号：CN118524001B
公开(公告)日：2024-11-12
申请号：CN202410970236.1
申请日：2024-07-19
申请人： 北京邮电大学 , 中国电子科技集团公司第五十四研究所
IPC分类号： H04L41/042 , H04L41/0895 , H04L41/122 , H04L41/147 , H04L41/16 , H04L67/101 , H04L67/1008 , H04L67/1097 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/049 , G06N3/08
摘要： 本发明提供了一种算网资源调度方法及装置，涉及通信技术领域，其中，该方法包括：获取云边端网络的端侧节点分簇结果、实时资源信息数据和实时任务信息数据；其中，实时资源信息数据包括当前云端资源信息数据、当前边缘资源信息数据和前一时刻的实际端侧资源信息数据；根据端侧节点分簇结果和实际端侧资源信息数据，对各个端侧节点的资源信息进行时空序列预测，得到当前时刻的预测端侧资源信息数据；根据预测端侧资源信息数据、当前云端资源信息数据、当前边缘资源信息数据和实时任务信息数据进行任务的资源调度，得到目标资源调度结果。这样通过时空序列预测辅助资源调度的决策，可以提高资源调度的准确性，实现对资源的充分利用。
-
公开(公告)号：CN114818928A
公开(公告)日：2022-07-29
申请号：CN202210450930.1
申请日：2022-04-27
申请人： 中国电子科技集团公司第五十四研究所 , 北京邮电大学
摘要： 本发明涉及网络流量分类领域，具体涉及一种改进GRU模型的网络流量流特征分类方法。本发明以流数据包长度序列为输入，以改进的GRU神经网络模型提取流量数据代表性特征，降低模型复杂度、减少模型训练时间、提高分类模型的准确率。在传统GRU的计算过程中融入了另外的门控机制，允许信息高速无障碍得通过深层神经网络的各层，有效避免了可能出现的梯度问题，提升了模型分类准确率。
-
公开(公告)号：CN114818928B
公开(公告)日：2024-11-05
申请号：CN202210450930.1
申请日：2022-04-27
申请人： 中国电子科技集团公司第五十四研究所 , 北京邮电大学
IPC分类号： G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/084
摘要： 本发明涉及网络流量分类领域，具体涉及一种改进GRU模型的网络流量流特征分类方法。本发明以流数据包长度序列为输入，以改进的GRU神经网络模型提取流量数据代表性特征，降低模型复杂度、减少模型训练时间、提高分类模型的准确率。在传统GRU的计算过程中融入了另外的门控机制，允许信息高速无障碍得通过深层神经网络的各层，有效避免了可能出现的梯度问题，提升了模型分类准确率。
-
公开(公告)号：CN118524001A
公开(公告)日：2024-08-20
申请号：CN202410970236.1
申请日：2024-07-19
申请人： 北京邮电大学 , 中国电子科技集团公司第五十四研究所
IPC分类号： H04L41/042 , H04L41/0895 , H04L41/122 , H04L41/147 , H04L41/16 , H04L67/101 , H04L67/1008 , H04L67/1097 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/049 , G06N3/08
摘要： 本发明提供了一种算网资源调度方法及装置，涉及通信技术领域，其中，该方法包括：获取云边端网络的端侧节点分簇结果、实时资源信息数据和实时任务信息数据；其中，实时资源信息数据包括当前云端资源信息数据、当前边缘资源信息数据和前一时刻的实际端侧资源信息数据；根据端侧节点分簇结果和实际端侧资源信息数据，对各个端侧节点的资源信息进行时空序列预测，得到当前时刻的预测端侧资源信息数据；根据预测端侧资源信息数据、当前云端资源信息数据、当前边缘资源信息数据和实时任务信息数据进行任务的资源调度，得到目标资源调度结果。这样通过时空序列预测辅助资源调度的决策，可以提高资源调度的准确性，实现对资源的充分利用。
-
-
-
-
-
-
-
-
-
搜索结果
39 条记录 (耗时 0.068 秒)
