-
公开(公告)号：CN111988102B
公开(公告)日：2022-03-04
申请号：CN202010895307.8
申请日：2020-08-31
Applicant: 华侨大学
IPC: H04B17/391 , H04L41/14 , H04L41/147 , H04W16/14
Abstract: 本发明提供一种基于GRU网络的MAC信息识别方法、装置、设备及存储介质，方法包括：通过训练得到不同信道下的MAC信息识别网络模型和信道类型识别网络模型；接收待识别信号；计算待识别信号的信号功率；通过选取所述信号功率中若干个采样点，以作为信道识别观测向量和MAC信息识别观测向量；利用信道类型识别网络模型对信道识别观测向量进行识别，得到信道类型识别结果；根据信道类型识别结果，选择MAC信息识别网络模型对所述MAC信息识别观测向量进行识别，以判断待识别信号的主用户数与MAC协议类型。本发明考虑到MAC协议信号的时域相关性，利用GRU网络善于处理时序序列的特点，能先识别出信道类型，接着在确定信道类型下识别出MAC协议类型以及主用户的数目。
-
公开(公告)号：CN111079898A
公开(公告)日：2020-04-28
申请号：CN201911191857.5
申请日：2019-11-28
Applicant: 华侨大学
Abstract: 本发明涉及一种基于TextCNN网络的信道编码识别方法，引入了深度学习的技术思路，利用TextCNN网络的文本分类能力，利用深度学习中的TextCNN网络自动提取信道编码方案的特征，在人工干预较少的情况下，能够实时识别接收信息序列的编码方式，避免人工提取特征的偶然性，并且减小了计算复杂度，提高了信道编码识别的精度。本发明的实施，可用于解决认知无线电环境中的信道编码识别问题。
-
公开(公告)号：CN110213762A
公开(公告)日：2019-09-06
申请号：CN201910456465.0
申请日：2019-05-29
Applicant: 华侨大学
Abstract: 本发明公开了一种基于机会式无线能量采集非可信中继网络安全传输方法，应用在非可信中继网络安全传输系统，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K个目的节点Dk(k∈{1,...,K})；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。本发明方法中在协作中继上采用TPSR协议可提高能量采集效率，此外，采用一个外部干扰节点发送人工噪声进行协同干扰和采用机会调度(opportunistic scheduling，OS)策略从多用户分集网络中选择第Nth个最佳的目的节点作为信息接收节点，可以很好评价系统网络的安全传输性能。
-
-
公开(公告)号：CN108234032A
公开(公告)日：2018-06-29
申请号：CN201810008304.0
申请日：2018-01-04
Applicant: 华侨大学
IPC: H04B17/00 , H04B17/382
Abstract: 本发明公开一种基于马尔科夫转移特性的恒虚警能量检测方法，方法根据主用户的马尔可夫转移特性，利用前一时隙主用户所处状态来推断出当前时隙主用户的状态，进而调整判决门限；将观测到的能量与上述判决门限进行比较，判断出主用户信号是否存在。本发明一种基于马尔科夫转移特性的恒虚警能量检测方法能提高检测精度，检测效果优于传统的恒虚警能量检测方法。
-
Patent Agency Ranking
公开(公告)号：CN119052038A
公开(公告)日：2024-11-29
申请号：CN202411093268.4
申请日：2024-08-09
Applicant: 华侨大学
IPC: H04L27/00 , G06F18/10 , G06N3/042 , G06N3/0464
Abstract: 本发明提供了基于非对称卷积和参数融合的调制识别方法、装置、设备及介质，采用非对称卷积和参数融合两个关键思想，在保持复杂度不变的情况下，提高了调制识别的精度。为提高调制识别的精度，首先将基准网络的标准卷积核替换为非对称卷积块，得到非对称卷积网络，并利用星座图对非对称卷积网络进行训练，得到非对称卷积网络模型；为保持调制识别的复杂度不变，通过批归一化融合和分支融合的方法对训练所得的非对称卷积网络模型的参数进行精简，并迁移到基准网络中，形成推理模型；最后将待识别信号预处理成星座图的形式，送入推理模型处理，输出信号的调制方式。
-
公开(公告)号：CN111612097B
公开(公告)日：2023-02-07
申请号：CN202010488065.0
申请日：2020-06-02
Applicant: 华侨大学
IPC: G06F18/214 , G06F18/213 , G06F18/24 , G06N3/0442
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：CN110198182B
公开(公告)日：2022-07-12
申请号：CN201910439691.8
申请日：2019-05-24
Applicant: 华侨大学
Abstract: 本发明提供了无线携能通信领域的一种无线携能系统，包括一发送端、一信息接收端、一能量接收端以及M个窃听端；所述发送端设有Nt根天线，所述信息接收端以及能量接收端均设有Nd根天线，所述窃听端设有Ne根天线；所述发送端采用信息波束赋形矩阵，通过天线与信息接收端连接；所述发送端采用能量波束赋形矩阵，通过天线与能量接收端连接；所述发送端采用干扰波束赋形矩阵，通过天线与窃听端连接；其中M为正整数，Nt、Nd以及Ne均为大于等于2的正整数；本发明还提供了一种无线携能系统的最大安全速率计算方法。本发明的优点在于：提高了无线携能系统通信的安全性以及传输性能。
-
公开(公告)号：CN111988102A
公开(公告)日：2020-11-24
申请号：CN202010895307.8
申请日：2020-08-31
Applicant: 华侨大学
IPC: H04B17/391 , H04L12/24 , H04W16/14
Abstract: 本发明提供一种基于GRU网络的MAC信息识别方法、装置、设备及存储介质，方法包括：通过训练得到不同信道下的MAC信息识别网络模型和信道类型识别网络模型；接收待识别信号；计算待识别信号的信号功率；通过选取所述信号功率中若干个采样点，以作为信道识别观测向量和MAC信息识别观测向量；利用信道类型识别网络模型对信道识别观测向量进行识别，得到信道类型识别结果；根据信道类型识别结果，选择MAC信息识别网络模型对所述MAC信息识别观测向量进行识别，以判断待识别信号的主用户数与MAC协议类型。本发明考虑到MAC协议信号的时域相关性，利用GRU网络善于处理时序序列的特点，能先识别出信道类型，接着在确定信道类型下识别出MAC协议类型以及主用户的数目。
-
公开(公告)号：CN110198182A
公开(公告)日：2019-09-03
申请号：CN201910439691.8
申请日：2019-05-24
Applicant: 华侨大学
Abstract: 本发明提供了无线携能通信领域的一种无线携能系统，包括一发送端、一信息接收端、一能量接收端以及M个窃听端；所述发送端设有Nt根天线，所述信息接收端以及能量接收端均设有Nd根天线，所述窃听端设有Ne根天线；所述发送端采用信息波束赋形矩阵，通过天线与信息接收端连接；所述发送端采用能量波束赋形矩阵，通过天线与能量接收端连接；所述发送端采用干扰波束赋形矩阵，通过天线与窃听端连接；其中M为正整数，Nt、Nd以及Ne均为大于等于2的正整数；本发明还提供了一种无线携能系统的最大安全速率计算方法。本发明的优点在于：提高了无线携能系统通信的安全性以及传输性能。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.018 seconds)
