-
公开(公告)号：CN111612097A
公开(公告)日：2020-09-01
申请号：CN202010488065.0
申请日：2020-06-02
Applicant: 华侨大学
Abstract: 本发明提供一种基于GRU网络的主用户数目估计方法，涉及通信技术中认知无线电领域。本估计方法包括离线训练阶段和在线识别阶段。离线训练阶段包括：S1、获取已知信号；S2、计算已知信号对应的归一化总功率 S3、生成Ns×1观测向量；S4、数据标定；S5、生成打有标签的训练数据集；S6、训练GRU网络模型。在线识别阶段包括：S7、接收未知信号x(t)；S8、计算信号x(t)对应的归一化总功率 S9、生成Ns×1观测向量；S10、将主用户数目未知信号的观测向量送入训练好的GRU网络模型，得到主用户数目估计结果。本发明方法，引入深度学习的思想，充分考虑接收信号的时域相关性和网络模型复杂度，利用GRU网络，能够在较少人工干预下有效估计出主用户数目。
-
公开(公告)号：CN109889212A
公开(公告)日：2019-06-14
申请号：CN201910105366.8
申请日：2019-02-01
Applicant: 华侨大学
Abstract: 本发明涉及一种基于深度学习与软件无线电的盲解调方法，首先利用深度学习技术训练出用于调制方式识别的网络模型，然后使用训练好的网络模型识别接收信号的调制方式，最后根据识别结果，采用软件无线电技术重构解调器，实现接收信号的盲解调。本发明一方面基于深度学习技术，可以充分利用通信大数据，提高识别精度；另一方面基于软件无线电技术，可以使系统摆脱硬件条件的束缚，便于功能的升级和扩充。
-
公开(公告)号：CN105897357A
公开(公告)日：2016-08-24
申请号：CN201610326437.3
申请日：2016-05-17
Applicant: 华侨大学
IPC: H04B17/382 , H04W72/08
CPC classification number: H04B17/382 , H04W72/085
Abstract: 本发明提供了一种基于减少采样点数的快速两步能量检测算法，具体步骤为：a.预设一个固定的虚警概率，建立一个使检测概率最大化的优化模型，得到两个最佳判决门限值。b.将传统能量检测算法中的总采样点平均分成两部分，先进行第一步能量检测。c.将第一步能量检测获得的能量值与第一个门限值进行比较。d.若能量值不小于第一个门限值，则直接得出主用户信号存在的判决，跳至g。否则进行下一步。e.对余下的采样点进行第二步能量检测。f.将第二步能量检测得到的能量值和第一步检测的能量值求平均值后与第二个门限值进行比较，得出主用户信号是否存在的判决。g.次级用户判断检测是否停止，是则终止，否则返回到b进行下一次的检测。
-
公开(公告)号：CN110213807B
公开(公告)日：2022-08-30
申请号：CN201910456910.3
申请日：2019-05-29
Applicant: 华侨大学
Abstract: 本发明公开了一种能量受限非可信中继网络的安全速率最优方法，应用在非可信中继网络系统，所述系统包括一个信源节点S、一个能量受限中继节点R、一个友好型干扰节点FJ，以及一个目的节点D；系统中所有的节点都配置单根天线，且工作在半双工模式；信源节点到目的节点的信息传输过程在一个时隙T内完成。本发明方法既考虑了能量受限中继的能量采集，又考虑了非可信中继的物理层安全问题，同时给出了一种基于交替优化思想的联合优化方法，可使得系统的可达安全速率最大化。
-
-
Patent Agency Ranking
公开(公告)号：CN110278019A
公开(公告)日：2019-09-24
申请号：CN201910456453.8
申请日：2019-05-29
Applicant: 华侨大学
IPC: H04B7/08 , H04B7/06 , H04B17/345 , H04B17/40
Abstract: 本发明公开了一种基于自干扰最小化准则的全双工能量采集中继传输方法，包括：获取目的端接收的信息和对应的第一信噪比；选择中继的接收天线和发送天线；获取第一时隙αT内，中继收到的信号；获取在第二时隙(1-α)T内，当源信息通过中继传输时，中继收到的信号；获取在第二时隙(1-α)T内，当源信息通过中继传输时，目的端接收的信息及对应的第二信噪比；目的端采用最大比合并技术，合并来自中继和源的信息后，对所述第一信噪比和所述第二信噪比求和获得目的端的接收信噪比；基于目的端的接收信噪比，获取所述系统的瞬时安全容量及系统吞吐量。本发明的同时同频全双工技术能够将无线资源的使用效率提升近一倍，从而显著提高系统吞吐量和容量。
-
公开(公告)号：CN105897357B
公开(公告)日：2019-05-03
申请号：CN201610326437.3
申请日：2016-05-17
Applicant: 华侨大学
IPC: H04B17/382 , H04W72/08
Abstract: 本发明提供了一种基于减少采样点数的快速两步能量检测算法，具体步骤为：a.预设一个固定的虚警概率，建立一个使检测概率最大化的优化模型，得到两个最佳判决门限值。b.将传统能量检测算法中的总采样点平均分成两部分，先进行第一步能量检测。c.将第一步能量检测获得的能量值与第一个门限值进行比较。d.若能量值不小于第一个门限值，则直接得出主用户信号存在的判决，跳至g。否则进行下一步。e.对余下的采样点进行第二步能量检测。f.将第二步能量检测得到的能量值和第一步检测的能量值求平均值后与第二个门限值进行比较，得出主用户信号是否存在的判决。g.次级用户判断检测是否停止，是则终止，否则返回到b进行下一次的检测。
-
公开(公告)号：CN106230529A
公开(公告)日：2016-12-14
申请号：CN201610608887.1
申请日：2016-07-28
Applicant: 华侨大学
IPC: H04B17/382
CPC classification number: H04B17/382
Abstract: 本发明公开了一种基于部分中继机制的协同频谱检测方法，包括：选择中继策略并确定中继时间TR；分别获取同时按能量检测方法进行检测的两个次级用户在时隙的前Td-TR时间内接收信号的能量；获取低信噪比次级用户在时隙的Td-TR到Td时间内接收信号的能量；计算低信噪比次级用户检测到的总能量；分别将两个次级用户检测到的能量与各自的判决门限做比较，根据比较结果确定是否可以利用主用户的频段传输数据。本发明技术方案实现了高信噪比次级用户将分配到的检测时间部分用于检测，另一部分充当中继节点，协助低信噪比次级用户提高主用户检测精度，从而提高整个次级网络的性能。
-
-
公开(公告)号：CN111079347B
公开(公告)日：2023-08-01
申请号：CN201911371132.4
申请日：2019-12-26
Applicant: 华侨大学
IPC: G06V10/82 , G06V10/774 , G06V10/776 , G06F18/10 , G06N3/08
Abstract: 本发明公开了一种利用星座图的基于深度学习的信噪比估计方法，方案为：a)生成[m，n]范围内的N个已知信噪比的数字信号，对其进行预处理，得到对应的N张星座图，进而对其进行数据标定以及数据集的划分，将数据喂给预先配置好的深度神经网络进行训练，得到深度神经网络模型M；b)对于接收到的第k个观测信号yk，同样进行预处理s后得到相同尺寸的星座图，将其喂给深度神经网络模型M，进行模型测试，得到接收信号的信噪比估计值该方法充分利用星座图能完整且清晰地反映数字调制信号的信噪比信息这一特点，以星座图作为信号的表征形式，巧妙地将传统的信噪比估计问题转换成一个图像识别问题，进而利用深度学习技术，通过模型训练和在线估计这两个阶段对实际应用场景中接收信号的信噪比进行比较精确地估计。并且，该方法克服了传统信噪比估计方法存在的不足，有效解决了低信噪比场景下信噪比估计误差大的问题。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.015 seconds)
