-
公开(公告)号：CN117118510B
公开(公告)日：2023-12-22
申请号：CN202311318561.1
申请日：2023-10-12
Applicant: 湖北经济学院 , 华中科技大学 , 武汉慧联无限科技有限公司 , 中国地质大学(武汉)
IPC: H04B10/079 , G06N20/00 , G06F17/18
Abstract: 本发明提供一种基于机器学习的光信道误码率预测方法，包括建模及训练阶段和部署推理阶段，所述建模及训练阶段包括数据采集、数据对数化、数据动态偏置、数据幂指变换、数据平稳性检验、数据差分、模型定阶、模型构建、模型检验、模型评价，所述部署推理阶段包括数据采集、数据对数化、数据动态偏置、数据幂指变换、数据差分、推理引擎推力、数据幂指恢复、数据动态偏置恢复、数据指数化、输出预测结果，该预测方法提出“数据对数变换可差分化方法”，解决了误码率数量级变化导致的不可“差分”问题，解决光信道误码数据中“突变数据”“不平稳数据”导致无法进行自回归的问题，以此实现了基于ARIMA模
-
公开(公告)号：CN117118510A
公开(公告)日：2023-11-24
申请号：CN202311318561.1
申请日：2023-10-12
Applicant: 湖北经济学院 , 华中科技大学 , 武汉慧联无限科技有限公司 , 中国地质大学(武汉)
IPC: H04B10/079 , G06N20/00 , G06F17/18
Abstract: 本发明提供一种基于机器学习的光信道误码率预测方法，包括建模及训练阶段和部署推理阶段，所述建模及训练阶段包括数据采集、数据对数化、数据动态偏置、数据幂指变换、数据平稳性检验、数据差分、模型定阶、模型构建、模型检验、模型评价，所述部署推理阶段包括数据采集、数据对数化、数据动态偏置、数据幂指变换、数据差分、推理引擎推力、数据幂指恢复、数据动态偏置恢复、数据指数化、输出预测结果，该预测方法提出“数据对数变换可差分化方法”，解决了误码率数量级变化导致的不可“差分”问题，解决光信道误码数据中“突变数据”“不平稳数据”导致无法进行自回归的问题，以此实现了基于ARIMA模型的光信道误码率预测。
-
公开(公告)号：CN115549790A
公开(公告)日：2022-12-30
申请号：CN202211508363.7
申请日：2022-11-29
Applicant: 湖北经济学院 , 华中科技大学 , 武汉慧联无限科技有限公司 , 中国地质大学(武汉)
IPC: H04B10/2513 , H04B10/50 , H04B10/556 , H04J3/16 , H04J14/02
Abstract: 本发明提供一种新型APol‑CRZ‑FSK光调制、解调技术及其产生的DWDM系统。该方法通过激光器CW发射光信号送入MZM1进行载波抑制获得两个频率信号，通过MZM2和MZM3依次进行调制和脉冲切割，接下来发送给MZDI处理后，通过相位调制器控制预啁啾量，最后发送给偏振交替装置产生APol‑CRZ‑FSK信号；N路（）信号通过DWDM系统合波、放大、传输、色散补偿后，接收侧将信号分波，通过带通滤波器滤滤出两个频率中的一个，直接检测实现信号的解调。本发明与传统的FSK、APol‑FSK调制格式相比，具有明显的非线性抗性优势；可作为面向6G的传输网高速光调制技术的一种候选方案。
-
公开(公告)号：CN113347675B
公开(公告)日：2022-02-18
申请号：CN202110529784.7
申请日：2021-05-14
Applicant: 华中科技大学
Abstract: 本发明公开了一种网络切换方法和网络切换装置，属于通信技术领域。包括：获取目标移动终端当前所处位置当前时段当前类型业务的连接到不同网络的可靠性，所述可靠性是第三方服务器根据多个移动终端在该位置该时段该类型业务的不同网络连接历史数据统计得到；根据目标移动终端当前所处位置当前时段当前类型业务的可靠性，判断出满足当前业务性能要求且可靠性最高的网络；在当前连接到的网络与判断出的网络的可靠性差值超过可靠性门限值时，自动切换目标移动终端至判断出的网络。本发明中，移动终端参照其他移动终端网络连接的时空特性，进行网络选择，保证传输时延小的同时可靠性高。
-
公开(公告)号：CN112819180B
公开(公告)日：2021-10-15
申请号：CN202110100171.1
申请日：2021-01-26
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于联邦生成模型的多业务数据生成方法和装置，属于机器学习领域，所述方法包括：S1：利用协调方将初始模型下发至多个持有不同业务数据集的参与方；S2：多个参与方使用本地业务数据集对初始模型进行训练分别得到本地鉴别器、本地分类器和对应多个业务的本地生成器；S3：至少一个参与方将本地鉴别器和本地分类器发送给协调方；S4：协调方对接收的本地鉴别器和本地分类器分别进行联邦聚合得到联邦鉴别器和联邦分类器，并发送给参与方；S5：各个参与方利用联邦鉴别器和联邦分类器训练本地生成器，得到更新生成器生成多业务数据。本发明能够在保证神经网络训练效率和业务数据共享安全性的同时，实现多业务数据集的分类与生成。
-
Patent Agency Ranking
公开(公告)号：CN112512109B
公开(公告)日：2021-10-15
申请号：CN202011169995.6
申请日：2020-11-04
Applicant: 华中科技大学
Abstract: 本发明公开了一种端到端功率分配方法、装置和全双工中继系统，属于无线通信技术领域，所述方法包括：计算全双工中继系统的中断性能参数在不同自干扰消除条件下的端到端中断概率；将中继发射功率和总发射功率的比值设定为功率分配因子β；基于端到端中断概率与功率分配因子的关系，以功率分配因子为优化变量，构建系统端到端可靠性能对应的优化问题；利用梯度下降优化算法对优化问题迭代求解得到目标函数局部最优解，并结合解析分析方法验证目标函数局部最优解为目标函数全局最优解；基于目标函数全局最优解实施全双工中继系统的功率分配。本申请提供的功率分配方法能够降低全双工中继系统的端到端中断概率。
-
公开(公告)号：CN113347675A
公开(公告)日：2021-09-03
申请号：CN202110529784.7
申请日：2021-05-14
Applicant: 华中科技大学
Abstract: 本发明公开了一种网络切换方法和网络切换装置，属于通信技术领域。包括：获取目标移动终端当前所处位置当前时段当前类型业务的连接到不同网络的可靠性，所述可靠性是第三方服务器根据多个移动终端在该位置该时段该类型业务的不同网络连接历史数据统计得到；根据目标移动终端当前所处位置当前时段当前类型业务的可靠性，判断出满足当前业务性能要求且可靠性最高的网络；在当前连接到的网络与判断出的网络的可靠性差值超过可靠性门限值时，自动切换目标移动终端至判断出的网络。本发明中，移动终端参照其他移动终端网络连接的时空特性，进行网络选择，保证传输时延小的同时可靠性高。
-
公开(公告)号：CN112800247A
公开(公告)日：2021-05-14
申请号：CN202110382108.1
申请日：2021-04-09
Applicant: 华中科技大学
Abstract: 本发明公开了基于知识图谱共享的语义编/解码方法、设备和通信系统，属于无线通信领域。本发明提出三种全新的基于知识图谱共享的语义通信架构，有望成为未来6G技术的基石。由于语义通信主要依赖于建立在人类用户和机器之间都具备普适性和可理解性的语义知识库，因此，有望打破目前机‑机智联中信息模态不一致导致的不兼容性问题，为建立能够满足不同类型设备之间互通互联的统一通信协议架构奠定基础。其次，由于语义通信以人类的普适性知识和语义体系作为基础，因此，可从根本保证人‑机智联与人‑人智联交互及通信时的用户服务体验，并进一步减少语义和物理信号之间的转换次数，从而降低可能产生的语义失真。
-
公开(公告)号：CN111526495B
公开(公告)日：2021-03-26
申请号：CN202010324289.8
申请日：2020-04-22
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于改进遗传算法的车联网AoI优化任务卸载方法，包括：根据车辆并发任务过程各类型任务数量的变化，结合不同类型任务的特点，得到适应度评价函数模型；根据卸载任务自身特点以及并发任务对应任务车辆的状态，利用适应度评价函数模型，得到个体适应度值；根据当前个体适应度值，计算种群的适应度变异系数，调整遗传进化过程中的变异概率和交叉概率，实现AoI优化。相比于基于卸载任务类型或卸载任务到达基站时间的卸载方法，本发明基于改进遗传算法能在一定迭代次数内找到并发任务卸载过程中的最优响应顺序，有效地优化任务卸载过程中的AoI。
-
公开(公告)号：CN109862610B
公开(公告)日：2020-07-10
申请号：CN201910013868.8
申请日：2019-01-08
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度强化学习DDPG算法的D2D用户资源分配方法，本发明利用蜂窝用户和D2D用户相关信息，利用深度强化学习方法获得了最优的D2D用户信道分配和发射功率联合优化策略，D2D用户通过选择合适的发射功率和分配信道，来降低对蜂窝用户的干扰，同时最大化自身的信息速率，在不影响蜂窝用户QoS的情况下实现了高效资源分配，提高了蜂窝网络的吞吐量，符合绿色通信的要求。DDPG算法有效解决D2D用户信道分配和功率控制的联合优化问题，不仅在一系列连续动作空间的优化中表现稳定，而且求得最优解所需要的时间步也远远少于DQN，与基于值函数的DRL方法相比，基于AC框架的深度策略梯度方法优化策略效率更高、求解速度更快。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.022 seconds)
