一种基于KAN-RAE的频谱地图重构方法

    公开(公告)号:CN118695377A

    公开(公告)日:2024-09-24

    申请号:CN202410734012.0

    申请日:2024-06-07

    摘要: 本发明请求保护一种基于KAN‑RAE的频谱地图重构方法,属于无线电监测技术领域。本发明包括以下步骤:S1:制作完整的频谱地图作为神经网络的数据集;S2:引入科尔莫格罗夫‑阿诺德网络(Kolmogorov–Arnold Networks,KAN)和残差(Residual)连接来改进自编码器(AutoEncoder,AE),搭建出KAN‑RAE神经网络框架;S3:通过均方误差损失函数完成模型离线训练,获得频谱地图重构模型;S4:利用训练好的网络模型,完成在线频谱地图重构。本发明提出一种基于KAN‑RAE的神经网络频谱地图重构方法,引入KAN和残差连接改进传统的自编码器结构,极大减少了神经网络的参数,提高了模型的收敛速度并降低误差,在低采样率下,频谱地图仍可精确重构。

    一种干扰信道下极化码性能增强方法

    公开(公告)号:CN118590076A

    公开(公告)日:2024-09-03

    申请号:CN202410734017.3

    申请日:2024-06-07

    IPC分类号: H03M13/13 H03M13/09 H04L1/00

    摘要: 本发明公开一种干扰信道下极化码性能增强方法,属于信道编码领域。本发明主要包括以下步骤:根据传输子信道受干扰状况衡量每个极化子信道的可靠度;根据极化子信道可靠度进行极化码的编码;根据子载波受干扰状况对编码比特进行映射;最后进行干扰信道下的极化码译码。本发明基于干扰参数识别结果,在发送端已知干扰位置以及能够表征信道受干扰程度的信干噪比(Signal to Jamming plus Noise Ratio,SJNR)信息的前提下,根据高斯近似方法衡量极化子信道的可靠度,并根据子载波受干扰程度的不同对编码比特进行极化映射,将具有高可靠度的编码比特映射到不受干扰或受干扰程度较小的子载波上,具有低可靠度的编码比特映射到受严重干扰的子载波上,通过额外的极化映射增强了干扰信道下极化码的传输性能。

    一种基于免授权频谱的安全卸载方法

    公开(公告)号:CN117880823A

    公开(公告)日:2024-04-12

    申请号:CN202410047212.9

    申请日:2024-01-12

    摘要: 本发明涉及一种基于免授权频谱的安全卸载方法,属于无线通信领域。该方法包括:在一个小范围热点地区,无人机UAVr携带的MEC服务器使用免授权频谱为移动用户提供计算服务。空中窃听无人机UAVe可以对卸载到无人机UAVr的任务进行窃听。在满足WiFi用户接收到的平均干扰功率之和不超过预设阈值等约束的前提下,联合考虑无人机UAVr三维飞行轨迹优化、带宽分配和功率分配,建立了系统安全卸载比特最大化的优化问题。为了解决提出的复杂优化问题,提出了一种基于块坐标下降和连续凸逼近的多变量迭代优化算法。本发明能够有效地提高系统内移动用户的安全卸载比特数,同时为了缓解授权频谱资源的短缺,将系统引入免授权频段,可以显著提高用户的频谱效率。

    一种无人机MEC通信网络中的免授权频谱接入方法

    公开(公告)号:CN114900840A

    公开(公告)日:2022-08-12

    申请号:CN202210517543.5

    申请日:2022-05-13

    摘要: 本发明涉及一种无人机MEC通信网络中的免授权频谱接入方法,属于无线通信领域。该方法包括:无人机同时携带基站和MEC服务器调用免授权频谱为不同需求的移动用户提供服务,将无人机每个时隙划分为实时传输和非实时功控传输阶段。在实时传输阶段,无人机同时为上行计算用户和下行实时通信用户提供服务。在非实时功控阶段,WiFiAP区域外的部分下行非实时功控用户能够与WiFi设备同时同频传输。基于设计的接入方案,联合考虑占空比分配、飞行轨迹、功控用户的功率分配和实时传输阶段用户的带宽分配,建立计算用户总卸载量最大的优化问题,并提出基于块坐标下降和连续凸逼近方法的多变量迭代算法进行求解。本发明能够有效提高总卸载量和免授权频谱效率。

    一种非授权频谱智能接入方法

    公开(公告)号:CN113316174B

    公开(公告)日:2022-07-08

    申请号:CN202110578657.6

    申请日:2021-05-26

    摘要: 本发明涉及一种免授权频谱智能接入方法,属于无线通信领域。本方法包括以下步骤:S1:初始化环境参数和智能体参数;S2:初始化环境状态st=s1和经验回放机制RB;S3:根据ε‑贪心策略产生动作at=π(st);S4:在后续βE个执行周期中执行动作at,收到环境反馈rt并更新状态至st+1;S5:将转移样本et=(st,at,rt,st+1)存储到经验回访机制RB;S6:从经验回放机制RB中随机抽取H个转移样本更新Q‑网络;S7:训练终止,输出最优接入策略。在本发明中,LTE小基站作为学习和决策的主体,能够根据网络中不同WiFi接入点数目,学习到最优的接入动作策略,从而获得共存网络的总吞吐量和公平性的最大化。

    一种工作在eLAA中的基于强化学习的帧配置方法

    公开(公告)号:CN111800876B

    公开(公告)日:2022-05-17

    申请号:CN202010584205.4

    申请日:2020-06-24

    IPC分类号: H04W72/04

    摘要: 本发明涉及一种工作在eLAA中的基于强化学习的帧配置方法,属于无线通信领域。括以下步骤:S1:基站作为智能体学习环境中的可能出现的各种情况;S2:智能体获取自身eUES的上下行数据需求,在能量检测区域内的eUES及其eBS上下行数据需求,同时探测AP节点平均传输时间等信息;S3:根据当前信息在学习结果中找到最优方案的,智能体根据方案配置自身帧结构;S4:智能体根据选择的结果完成帧配置过程。本发明通过配置各用户的传输时间,能够有效提高WiFi在免授权频段接入信道成功的概率,减少冲突,同时又能保证信道内用户的公平性,最终提高信道的吞吐量。

    NB-IoT中一种基于Q学习的节能方法

    公开(公告)号:CN112867117B

    公开(公告)日:2022-04-12

    申请号:CN202110074159.8

    申请日:2021-01-20

    IPC分类号: H04W52/02 H04W24/06 H04W74/08

    摘要: 本发明涉及NB‑IoT中一种基于Q学习的节能方法,属于通信技术领域。在该方法中,基站可以根据网络负载、重复次数、传输数据资源等参数,动态的控制每个传输时间间隔中发起随机接入的设备数量,减少随机接入过程中发生碰撞的设备数量,从而减少随机接入总能耗,达到节能的目的。在该方法中,基站充当智能体,智能体动作定义为允许发起随机接入的设备数量与总活跃设备数的比例,智能体状态主要包括一系列已观察到信息的集合,如通信成功设备数量和能耗等。本发明能够在保证设备吞吐量的同时,减少系统能耗,延长设备寿命。

    一种非授权频谱智能接入方法

    公开(公告)号:CN113316174A

    公开(公告)日:2021-08-27

    申请号:CN202110578657.6

    申请日:2021-05-26

    摘要: 本发明涉及一种免授权频谱智能接入方法,属于无线通信领域。本方法包括以下步骤:S1:初始化环境参数和智能体参数;S2:初始化环境状态st=s1和经验回放机制RB;S3:根据ε‑贪心策略产生动作at=π(st);S4:在后续βE个执行周期中执行动作at,收到环境反馈rt并更新状态至st+1;S5:将转移样本et=(st,at,rt,st+1)存储到经验回访机制RB;S6:从经验回放机制RB中随机抽取H个转移样本更新Q‑网络;S7:训练终止,输出最优接入策略。在本发明中,LTE小基站作为学习和决策的主体,能够根据网络中不同WiFi接入点数目,学习到最优的接入动作策略,从而获得共存网络的总吞吐量和公平性的最大化。

    免授权频段上的一种智能共存方法

    公开(公告)号:CN113316156A

    公开(公告)日:2021-08-27

    申请号:CN202110579013.9

    申请日:2021-05-26

    摘要: 本发明涉及一种免授权频段上的一种智能共存方法,属于无线通信技术领域。本发明包括以下步骤:S1:设计LAA小基站动作集合、奖励函数以及状态集合;S2:初始化环境,LAA小基站获取初始状态值st;S3:根据ε‑greedy策略,LAA小基站以概率ε随机选择动作,以概率(1‑ε)选择最大Q值对应的动作at;S4:执行动作at后,LAA小基站获取环境奖励值rt,并将一次交互得到的经验样本 存入记忆池中,然后进入下一个状态st+1;S5:LAA小基站以批量化的方式将经验样本喂给估计值网络,以更新神经网络权重θ,调整对Q值的估算方式;S6:重复步骤S5‑S7,直到得到最佳接入策略π*(s)。

    NB-IoT中一种基于Q学习的节能方法

    公开(公告)号:CN112867117A

    公开(公告)日:2021-05-28

    申请号:CN202110074159.8

    申请日:2021-01-20

    IPC分类号: H04W52/02 H04W24/06 H04W74/08

    摘要: 本发明涉及NB‑IoT中一种基于Q学习的节能方法,属于通信技术领域。在该方法中,基站可以根据网络负载、重复次数、传输数据资源等参数,动态的控制每个传输时间间隔中发起随机接入的设备数量,减少随机接入过程中发生碰撞的设备数量,从而减少随机接入总能耗,达到节能的目的。在该方法中,基站充当智能体,智能体动作定义为允许发起随机接入的设备数量与总活跃设备数的比例,智能体状态主要包括一系列已观察到信息的集合,如通信成功设备数量和能耗等。本发明能够在保证设备吞吐量的同时,减少系统能耗,延长设备寿命。