-
公开(公告)号：CN119544414A
公开(公告)日：2025-02-28
申请号：CN202411616652.8
申请日：2024-11-13
Applicant: 南京航空航天大学
IPC: H04L25/02 , H04L25/03 , H04B7/0413 , G06N3/0455 , G06N3/088
Abstract: 本发明公开了一种融合信道统计特性的无监督MIMO信道估计方法与系统，针对传统方法易受干扰、复杂度高及现有无监督学习难以利用信道统计特性的问题，构建了一个利用深度图像先验网络对称扩展的类自编码器结构。该结构结合编码器、解码器与跳跃连接，实现了信道特征的有效提取和信号去噪。编码器用于压缩和提取信号特征，通过对称结构和跳跃连接提升低维码字利用效率。解码器采用DIP的去噪策略，利用低维码字迭代拟合信号矩阵实现信号去噪。去噪后的信号矩阵再进行LS估计，最终获得信道CSI。本发明采用分阶段训练策略：离线训练通过无标签数据集提升网络特征提取能力；在线训练仅调整解码器参数去噪，能够充分利用信道统计特性，提升估计精度和实时性。
-
公开(公告)号：CN119183196A
公开(公告)日：2024-12-24
申请号：CN202411063502.9
申请日：2024-08-04
Applicant: 南京航空航天大学
IPC: H04W72/0453 , G01S7/41 , G06F18/23 , G06N3/0464 , G06N3/042 , G06N3/092 , H04W72/044 , H04W72/50
Abstract: 本发明提供了一种基于目标聚类的雷达自适应频谱资源配置方法，包括在每个时隙开始时，雷达系统中每个雷达根据探测到的信息，对探测到的目标进行聚类；雷达参考分类结果与自身的观测，选择相应的波束方向，并在接下来的数个时隙保持该波束方向。接着，每个雷达选择调频斜率和子频带发射信号，再根据接收信号计算回报，并更新策略。通过与环境的信息交互，雷达系统学习自适应频谱资源配置的最优策略，以求解复杂电磁环境中面对动态多目标时的雷达频谱资源复杂决策问题。
-
公开(公告)号：CN118741497A
公开(公告)日：2024-10-01
申请号：CN202410805847.0
申请日：2024-06-21
Applicant: 南京航空航天大学
IPC: H04W12/033 , H04W12/0433 , H04W12/122 , H04W12/61 , H04W12/63 , H04W4/40 , G06N3/092
Abstract: 本发明提出一种基于多智能体强化学习的车联网AES加密方法，通过动态调整针对不同类型消息的加密模式及密钥长度，满足车联网多样化业务的安全与时延需求。本发明基于当前时刻的消息类别和车辆位置与上一时刻的信道增益、加解密和传输时延以及通信的安全等级，构建系统状态，采用多智能体强化学习算法优化车端使用AES算法对消息进行加密的模式与密钥长度，从而降低加密时延和由于窃听或截获导致的信息泄露概率，提升通信安全等级，进而提升车联网中信息传输的可靠性与安全性。
-
公开(公告)号：CN118115253A
公开(公告)日：2024-05-31
申请号：CN202311524891.6
申请日：2023-11-15
Applicant: 南京航空航天大学
IPC: G06Q30/08 , G06Q40/04 , H04W16/14 , H04L9/00 , H04W72/0453
Abstract: 本发明公开了一种基于NFT的频谱资源组合拍卖方法，包括：运营商申请将待交易的频谱资源块铸造成为相应的NFT；卖方提交待出售的NFT的信息，将NFT加入拍卖的资源池中；买家在资源池中选择NFT组合，向频谱拍卖合约提交选择的NFT组合信息、对NFT组合整体出的竞标价以及对NFT组合中每个NFT的单独的竞标价；频谱拍卖合约采用迭代贪婪算法判断是否拆分NFT组合，确定最终的NFT分配方案；频谱拍卖合约根据最终的NFT分配方案将NFT组合的整体价格或者单个NFT的单价支付给相对应的卖家，变更NFT的归属权。本发明能够实现在频谱共享中保护频谱资源的归属权，并实现频谱资源的高效分配与利用。
-
公开(公告)号：CN116546559B
公开(公告)日：2023-10-03
申请号：CN202310813910.0
申请日：2023-07-05
Applicant: 南京航空航天大学
Abstract: 本发明提出了分布式多目标空地联合轨迹规划和卸载调度方法及系统，包括在每个时隙开始时，无人机根据当前系统的所有设备的能耗之和以及所有设备未处理数据量之和两个目标选择飞行方向，向某一方向飞行一段固定距离。在无人机到达新的位置前，地面每个用户相互独立地根据当前系统的所有设备的能耗之和以及所有设备未处理数据量之和两个目标选择任务数据卸载调度策略。并且为了提高预期的长期平均能效和数据处理能力，本发明还提出了针对能耗和未处理数据的平均反馈。本发明能够很好地解决集中式方法固有的及时性差以及不适用于大规模用户场景的问题，同时能够保证实现系统整体较低能耗和任务位积压。
-
公开(公告)号：CN115862390A
公开(公告)日：2023-03-28
申请号：CN202211511013.6
申请日：2022-11-29
Applicant: 南京航空航天大学
IPC: G08G5/04
Abstract: 本发明公开了一种机场场面飞机防撞保护区分析系统及防撞方法，涉及机场场面运行安全领域，所述的机场场面飞机防撞保护区分析系统，包括车载终端、车载定位装置、车载无线信号收发装置、车载显示装置、机载终端、机载无线信号收发装置、固定地面站、服务器、数据链以及监控中心；所述机场固定地面站内设有地面站无线信号收发装置和上网模块，地面站无线信号收发装置通过上网模块与服务器连接；服务器与监控中心电连接。本发明通过根据场面上目标的特点确定防撞保护区的大小，可以充分利用机场场面的区域，在保证安全的同时，提升场面的运行效率的目标。
-
公开(公告)号：CN112804119B
公开(公告)日：2022-06-14
申请号：CN202110007441.4
申请日：2021-01-05
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种基于卷积神经网络的MAC协议识别方法，包括如下步骤：(1)产生训练数据：首先获得已打标签的原始采样数据，数据形式为时间—功率值序列，然后将原始采样数据转换为时频图；(2)卷积神经网络训练：将所产生的时频图输入到卷积神经网络进行训练，得到训练好的卷积神经网络模型；(3)MAC协议识别：对待识别网络的信号进行数据采集并转化为时频图，将时频图输入训练好的卷积神经网络模型，实现协议的识别。本发明采用图像化识别思路，将通信网络的原始通信数据转换成时频图，利用卷积神经网络对时频图分类，实现对目标网络MAC协议类型的识别。
-
公开(公告)号：CN113806599A
公开(公告)日：2021-12-17
申请号：CN202111126071.2
申请日：2021-09-26
Applicant: 南京航空航天大学
IPC: G06F16/901
Abstract: 本发明提供一种面向有权重网络的关键节点识别方法及装置，其中方法包括获取第一目标网络的拓扑结构的边权重；计算第一目标网络中每个节点的权重集体影响值；删除第一目标网络中目标数量个权重集体影响值最大的节点，得到包括有多个最大组件的第二目标网络；删除最大组件中权重集体影响值最大的节点，直至最大组件的总边权重小于目标边权重，得到第三目标网络；计算第三目标网络中每个节点的权重集体影响值；对第三目标网络中每个节点进行排序；将第一目标网络中所有已删除的节点插入至第三目标网络中，得到所有已删除的节点的插入顺序；对第一目标网络中所有节点进行排序，以对第一目标网络中关键节点进行识别。
-
公开(公告)号：CN113328881A
公开(公告)日：2021-08-31
申请号：CN202110576245.9
申请日：2021-05-26
Applicant: 南京航空航天大学
IPC: H04L12/24
Abstract: 本发明公开了一种面向非合作无线网络的拓扑感知方法及装置、系统，方法包括：通过信号检测机理获取目标网络一段时间内发送数据的节点序列号和发送时刻，组成数据矩阵；将数据矩阵两两进行格兰杰因果假设检验，利用时间窗的方法求出格兰杰因果零分布的均值，作为阈值筛选得到节点的潜在邻居集合；依据数据矩阵和潜在邻居集合分组进行条件格兰杰因果假设检验，利用时间窗的方法求出条件格兰杰因果零分布的均值，作为阈值筛选得到节点的最终邻居集合，实现拓扑感知。通过本发明的基于条件格兰杰因果的拓扑感知算法，可以在不解码数据包的情况下，依据信号发送数据矩阵推断联通关系，准确地推理出网络拓扑信息，能够利用感知信息进行拓扑推理。
-
公开(公告)号：CN112804119A
公开(公告)日：2021-05-14
申请号：CN202110007441.4
申请日：2021-01-05
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种基于卷积神经网络的MAC协议识别方法，包括如下步骤：(1)产生训练数据：首先获得已打标签的原始采样数据，数据形式为时间—功率值序列，然后将原始采样数据转换为时频图；(2)卷积神经网络训练：将所产生的时频图输入到卷积神经网络进行训练，得到训练好的卷积神经网络模型；(3)MAC协议识别：对待识别网络的信号进行数据采集并转化为时频图，将时频图输入训练好的卷积神经网络模型，实现协议的识别。本发明采用图像化识别思路，将通信网络的原始通信数据转换成时频图，利用卷积神经网络对时频图分类，实现对目标网络MAC协议类型的识别。
