-
公开(公告)号：CN110505604A
公开(公告)日：2019-11-26
申请号：CN201910778087.8
申请日：2019-08-22
Applicant: 电子科技大学
Abstract: 本发明属于无线通信技术领域，涉及一种D2D通信系统接入频谱的方法。本发明针对D2D通信系统提出一种基于深度强化学习的频谱接入方法，让每个D2D通信设备根据历史和局部信息优化接入频谱的策略，以提高系统的整体容量。和现有的方案相比，本发明只需让每个D2D通信设备收集本地测量数据(如接收干扰等)和来自于其他D2D通信设备有延迟的反馈信息，而无需实时收集D2D通信设备间的CSI。
-
公开(公告)号：CN109743210A
公开(公告)日：2019-05-10
申请号：CN201910074944.6
申请日：2019-01-25
Applicant: 电子科技大学
IPC: H04L12/24 , H04W48/08 , H04B7/185 , H04B17/318
Abstract: 本发明属于无线通信技术领域，涉及一种基于深度强化学习的无人机网络多用户接入控制方法。本发明利用深度强化学习学习环境中固有的变化规律，提出了适应用无人机网络中多用户接入情况下的深度强化学习框架，并实现了这种在全局网络信息未知情况下基于深度强化学习的无人机网络多用户接入控制方案。本发明提出的接入控制方式与传统的接入控制方式相比能够实现更高的系统吞吐量和更低的切换次数。同时，通过调整切换惩罚项可以在吞吐量和切换次数实现不同的折中，并且在不同切换惩罚情况下性能均可得到保障。
-
公开(公告)号：CN106130937B
公开(公告)日：2019-03-15
申请号：CN201610538731.0
申请日：2016-07-08
Applicant: 电子科技大学
Abstract: 本发明公开一种基于中位数准则的主系统收发机间信道增益估计方法，CT能在不存在主系统到自身之间反馈链路的条件下估计出信道增益，本发明的方法主要通过监听多个独立SNR，得到多个独立SNR的中位数，并且利用该中位数与CG之间的数学关系估计CG；本发明的方法具有较低的估计误差，因此与传统的CG估计方法相比，本发明具有更低的复杂度和更好的估计性能。
-
公开(公告)号：CN116723573A
公开(公告)日：2023-09-08
申请号：CN202310714999.5
申请日：2023-06-16
Applicant: 电子科技大学
IPC: H04W72/044 , H04W72/50
Abstract: 本发明属于深度学习和无线通信技术领域，具体涉及一种基于宽窄波束映射的智能波束对准方法。本发明利用宽波束和窄波束之间的相关性以及卷积神经网络(CNN)强大的非线性表示能力，建立了基于CNN的从宽波束探测结果到最优窄波束的映射模型。通过这种方式，只需探测宽波束并将结果输入映射模型，就可以推断出最优窄波束。此外，通过利用宽波束之间的相关性，本发明进一步减少了探测宽波束的数量以推断最优窄波束。仿真结果表明，本发明所提出的波束探测算法在波束对准精度、波束成形增益和吞吐量方面均优于基准算法。
-
公开(公告)号：CN110505604B
公开(公告)日：2021-07-09
申请号：CN201910778087.8
申请日：2019-08-22
Applicant: 电子科技大学
Abstract: 本发明属于无线通信技术领域，涉及一种D2D通信系统接入频谱的方法。本发明针对D2D通信系统提出一种基于深度强化学习的频谱接入方法，让每个D2D通信设备根据历史和局部信息优化接入频谱的策略，以提高系统的整体容量。和现有的方案相比，本发明只需让每个D2D通信设备收集本地测量数据(如接收干扰等)和来自于其他D2D通信设备有延迟的反馈信息，而无需实时收集D2D通信设备间的CSI。
-
Patent Agency Ranking
公开(公告)号：CN111526592A
公开(公告)日：2020-08-11
申请号：CN202010289045.0
申请日：2020-04-14
Applicant: 电子科技大学
Inventor： 张蔺
Abstract: 本发明公开一种用于无线干扰信道中的非协作多智能体功率控制方法，应用于通信技术领域，针对现有技术存在的不能为5G和未来无线网络提供一种同时具有非协作、计算复杂度低、高性能、适合快速变化信道环境的功率控制的问题；本发明采用分布式执行‑集中式训练的结构；每个无线发射机有一个本地深度神经网络，每一个本地深度神经网络的输入为该对无线收发机观测到的本地无线环境状态信息，输出为该无线发射机的发射功率；每一个本地深度神经网络的权值向量在核心网络进行集中式训练；实现了同时具有非协作、计算复杂度低、高性能、适合快速变化信道环境的功率控制的效果。
-
公开(公告)号：CN109743210B
公开(公告)日：2020-04-17
申请号：CN201910074944.6
申请日：2019-01-25
Applicant: 电子科技大学
IPC: H04L12/24 , H04W48/08 , H04B7/185 , H04B17/318
Abstract: 本发明属于无线通信技术领域，涉及一种基于深度强化学习的无人机网络多用户接入控制方法。本发明利用深度强化学习学习环境中固有的变化规律，提出了适应用无人机网络中多用户接入情况下的深度强化学习框架，并实现了这种在全局网络信息未知情况下基于深度强化学习的无人机网络多用户接入控制方案。本发明提出的接入控制方式与传统的接入控制方式相比能够实现更高的系统吞吐量和更低的切换次数。同时，通过调整切换惩罚项可以在吞吐量和切换次数实现不同的折中，并且在不同切换惩罚情况下性能均可得到保障。
-
公开(公告)号：CN115426007B
公开(公告)日：2023-09-01
申请号：CN202211004602.5
申请日：2022-08-22
Applicant: 电子科技大学
IPC: H04B7/0404 , H04B7/06 , H04B7/08 , H04B17/336 , G06N3/0464 , G06N3/048 , G06N3/092
Abstract: 本发明属于无线通信和深度学习技术领域，具体涉及一种基于深度卷积网络的智能波束对准方法。本发明通过找到一种可以明确表征不同波束之间空间相关性的方法，并利用这种空间相关性在波束空间中选择固定的波束子集，再通过利用深度卷积神经网络强大的特征提取及表征能力，将离线收集的波束子集的信噪比输入到深度卷积神经网络中进行波束训练，进而深度卷积网络可以推断出最优波束。利用本发明提出的方法，接入点不需要探测整个波束空间，只需要探测少量固定的波束，就可以准确的推断出当前时刻与用户设备通信的最优波束，完成严格的波束对准，在降低系统的开销的同时提高吞吐量性能。
-
公开(公告)号：CN116170877A
公开(公告)日：2023-05-26
申请号：CN202211568828.8
申请日：2022-12-08
Applicant: 电子科技大学
IPC: H04W72/044 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08 , H04B7/08 , H04B7/06
Abstract: 本发明属于无线通信和深度学习技术领域，具体涉及一种基于卷积长短时记忆网络的波束对准方法。本发明利用空间相关性来深度压缩探测波束的数量，选出一部分波束进行探测，再搭建基于卷积长短时记忆网络的最优波束推断网络来提取连续时刻探测波束的接收信噪比中包含的时间和空间信息，以提高最优波束的推断精度。利用本发明中提出的技术，接入点不需要探测所有波束，只需要探测一小部分固定的波束，就可以准确地推断出最优波束，完成波束对准，更好地平衡了数据传输时间与数据传输速率，提升了系统吞吐量。
-
公开(公告)号：CN114205899B
公开(公告)日：2023-04-07
申请号：CN202210054001.9
申请日：2022-01-18
Applicant: 电子科技大学
IPC: H04W52/24 , H04W52/30 , H04W88/10 , H04L67/10 , H04L67/12 , G06N3/0499 , G06N3/0985
Abstract: 本发明属于无线通信和深度学习技术领域，具体涉及一种基于深度强化学习的异构网高能效功率控制方法。本发明设定目标为优化每个微基站的发射功率并最大化每个时隙的全局能量效率，并建立了目标模型，基于目标模型，采用深度强化学习让每个微基站根据本地信息确定发射功率，同时根据云端的数据来更新神经网络的参数。利用本发明提出的方法，基站在配置发射功率时仅需要局部状态信息，不需要获取即时的全局信道信息；基站在配置发射功率时不需要与其他基站进行通信协作，可以实现独立工作；同时本发明提出的方法的计算复杂度将比基于迭代优化的算法复杂度低。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.024 seconds)
