-
公开(公告)号：CN113466904A
公开(公告)日：2021-10-01
申请号：CN202110656381.9
申请日：2021-06-11
申请人： 西安交通大学
IPC分类号： G01S19/39
摘要： 本发明公开了一种动态干扰源跟踪方法及系统，将三维空间中的运动状态进行空间正交分解到三个正交的方向上，获得状态向量；在三个正交的方向上分别采用交互多模型方法进行模型匹配得到运动模型；将匹配得到的运动模型应用到滤波跟踪方法中，在三个正交的方向上分别采用结合改进噪声估计器的自适应容积卡尔曼滤波方法进行跟踪滤波，得到每个方向上的滤波跟踪结果；将得到的每个方向上的滤波跟踪结果进行矢量叠加，获得最终在三维空间中的跟踪结果。本发明采用基于运动状态空间分解的交互多模型算法以较低的复杂度实现了对非规则运动干扰源的模型匹配，采用结合改进的噪声估计器的自适应容积卡尔曼滤波算法实现了对动态干扰源的持续精确跟踪。
-
公开(公告)号：CN112152651A
公开(公告)日：2020-12-29
申请号：CN202010827774.7
申请日：2020-08-17
申请人： 西安交通大学
摘要： 本发明公开了一种5G系统中面向GNSS接收机的干扰源定位方法、存储介质及设备，对基站端接收的干扰信号进行采样，估计定位参数；将估计的定位参数代入位置解算方程中求解干扰源位置；根据求解结果，确定干扰源所在的范围，在干扰源范围内选择距离最近的微基站对干扰信号进行再次采样，并再次估计定位参数；将微基站处得到的定位参数代入位置解算方程，完成干扰源定位。本发明大幅提高对干扰源攻击的响应速度以及对干扰源的定位速度，能够快速将干扰源所造成的影响消除。
-
公开(公告)号：CN111901862A
公开(公告)日：2020-11-06
申请号：CN202010643958.8
申请日：2020-07-07
申请人： 西安交通大学
摘要： 本发明公开了一种基于深度Q网络的用户分簇与功率分配方法、设备和介质，利用用户分簇与功率分配问题建模联合优化问题；建立BP神经网络实现联合优化问题中的功率分配功能；使用训练数据集训练BP神经网络，测试网络并保存BP神经网络模型，得到不同信道条件下的功率分配结果，实现功率分配；将用户分簇问题建模成强化学习任务；根据强化学习任务构建深度Q网络；网络在线训练后，根据输入状态训练深度Q网络，选取最佳动作作为最佳分簇结果，实现用户分簇。本发明能够降低在线计算复杂度，在一定程度上保证用户公平性及有效提高系统的频谱效率。
-
公开(公告)号：CN113466904B
公开(公告)日：2022-12-09
申请号：CN202110656381.9
申请日：2021-06-11
申请人： 西安交通大学
IPC分类号： G01S19/39
摘要： 本发明公开了一种动态干扰源跟踪方法及系统，将三维空间中的运动状态进行空间正交分解到三个正交的方向上，获得状态向量；在三个正交的方向上分别采用交互多模型方法进行模型匹配得到运动模型；将匹配得到的运动模型应用到滤波跟踪方法中，在三个正交的方向上分别采用结合改进噪声估计器的自适应容积卡尔曼滤波方法进行跟踪滤波，得到每个方向上的滤波跟踪结果；将得到的每个方向上的滤波跟踪结果进行矢量叠加，获得最终在三维空间中的跟踪结果。本发明采用基于运动状态空间分解的交互多模型算法以较低的复杂度实现了对非规则运动干扰源的模型匹配，采用结合改进的噪声估计器的自适应容积卡尔曼滤波算法实现了对动态干扰源的持续精确跟踪。
-
公开(公告)号：CN112152651B
公开(公告)日：2021-08-13
申请号：CN202010827774.7
申请日：2020-08-17
申请人： 西安交通大学
摘要： 本发明公开了一种5G系统中面向GNSS接收机的干扰源定位方法、存储介质及设备，对基站端接收的干扰信号进行采样，估计定位参数；将估计的定位参数代入位置解算方程中求解干扰源位置；根据求解结果，确定干扰源所在的范围，在干扰源范围内选择距离最近的微基站对干扰信号进行再次采样，并再次估计定位参数；将微基站处得到的定位参数代入位置解算方程，完成干扰源定位。本发明大幅提高对干扰源攻击的响应速度以及对干扰源的定位速度，能够快速将干扰源所造成的影响消除。
-
公开(公告)号：CN111901862B
公开(公告)日：2021-08-13
申请号：CN202010643958.8
申请日：2020-07-07
申请人： 西安交通大学
摘要： 本发明公开了一种基于深度Q网络的用户分簇与功率分配方法、设备和介质，利用用户分簇与功率分配问题建模联合优化问题；建立BP神经网络实现联合优化问题中的功率分配功能；使用训练数据集训练BP神经网络，测试网络并保存BP神经网络模型，得到不同信道条件下的功率分配结果，实现功率分配；将用户分簇问题建模成强化学习任务；根据强化学习任务构建深度Q网络；网络在线训练后，根据输入状态训练深度Q网络，选取最佳动作作为最佳分簇结果，实现用户分簇。本发明能够降低在线计算复杂度，在一定程度上保证用户公平性及有效提高系统的频谱效率。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.036 秒)
