一种基于空天地海一体化的多用户协作学习动态接入方法

    公开(公告)号:CN118101037B

    公开(公告)日:2025-04-18

    申请号:CN202410270663.9

    申请日:2024-03-11

    Abstract: 本发明公开了一种基于空天地海一体化的多用户协作学习动态接入方法,用于通信领域,该方法包括以下步骤:分析空天地海一体化信息网络的需求,并设计包括卫星、无人机、船舶和地面站点的综合网络架构;为综合网络架构中的卫星、无人机、船舶和地面站点定义统一的接口和协议,并建立网络协调机制;基于网络协调机制,制定多用户间的协作策略和通信协议;利用粒子群算法优化多用户间的协作策略和通信协议;使用时间序列预测模型预测优化后的协作策略和通信协议对空天地海一体化信息网络需求和用户行为的影响。本发明通过深入分析不同用户群体的需求、预测数据流量和服务类型,确保网络设计能够满足实际应用的多样性和复杂性。

    一种多无人机协同作业的数据交互方法及系统

    公开(公告)号:CN118092474A

    公开(公告)日:2024-05-28

    申请号:CN202410270577.8

    申请日:2024-03-11

    Abstract: 本发明适用于无人机协同作业技术领域,尤其涉及一种多无人机协同作业的数据交互方法及系统,所述方法包括:构建无人机作业阵列,生成无人机协同作业控制数据;基于无人机作业阵列进行无人机集群划分,进行数据分割,得到集群控制数据包;进行数据合成和校核,得到无人机控制数据,无人机协同作业;在协同作业时,进行指令控制校核,验证实际协同作业动作是否与无人机协同作业控制数据相同。本发明中,无人机对数据的完整性进行验证,通过对进行分散处理,使得无人机只有在验证数据来源的之后才能完成对无人机的控制,避免了外部干扰导致的无人机劫持情况,提升了无人机协同作业的安全性。

    一种城市复杂环境中的多点协同定位方法

    公开(公告)号:CN117460043A

    公开(公告)日:2024-01-26

    申请号:CN202311082009.7

    申请日:2023-11-22

    Abstract: 本发明涉及移动通信技术领域,公开了一种城市复杂环境中的多点协同定位方法,包括以下步骤:S1、建立城市模型,绘制能量衰减地图和关于城市模型的随机森林场景地图;S2、将接收到的信号强度与能量衰减地图叠加,得到修正后的辐射源功率图;S3、对辐射源功率点进行筛选,计算对应点位置处根据接收机计算出的两台发射机的功率差值;S4、计算出定位,坐标以及定位坐标与实际坐标的差值;S5、绘制累积分布函数绘制出CDF曲线,以分析定位精度。本发明在面临城市复杂介质环境以及非视距时造成通信速率不佳、连通性差时,对环境适应性强,可靠性高,定位精确度较高,且可以满足大范围区域的定位需求。

    一种基于集成深度学习的特定辐射源识别方法

    公开(公告)号:CN109978028A

    公开(公告)日:2019-07-05

    申请号:CN201910186536.X

    申请日:2019-03-12

    Abstract: 一种基于集成深度学习的特定辐射源识别方法,属于信号处理以及辐射源识别技术领域。所述识别方法包括如下步骤:1)测量特定辐射源发射信号生成原始数据集;2)从原始数据集信号生成三维图像;3)将三维图像转换为二维图像;4)将二维图像送入学习器生成对应的识别模型;5)将待识别信号集生成三维图像;6)将三维图像生成二维图像;7)将二维图像送入4)生成的识别模型中得到辐射源识别结果和对应后验概率;8)将识别结果的后验概率使用集成学习方法进行再学习和训练,得到待识别信号的最终识别结果。所述方法用于电子情报侦察、无线频谱管理和无线网络安全管理,具有运算简单和识别精度较高的优点。

    一种毫米波亚毫米波频段非对称信道参数预测方法

    公开(公告)号:CN113890583B

    公开(公告)日:2024-06-14

    申请号:CN202111335974.1

    申请日:2021-11-12

    Abstract: 本发公开的一种毫米波亚毫米波频段非对称信道参数预测方法,属于无线通信领域。本发明实现方法为:根据上行信道参数和环境特征预测下行信道参数,解决非对称的上下行信道之间不存在互易性,对称信道的仿真方法不能直接用于非对称信道的问题,实现非对称毫米波亚毫米波上下行无线信道准确、高效的联合生成;结合实例迁移算法预测新传播条件下的下行信道参数,解决新传播环境下训练样本不足的问题;本发明能够减少弱相关或不相关特征的计算量和对下行信道参数预测模型精度的负面影响,降低下行信道参数预测模型的复杂度。本发明应用于无线通信领域,能够支撑非对称毫米波亚毫米波通信系统设计、部署、优化,提高非对称信道下无线通信的效率和精度。

    一种基于深度学习的双阈值开集信号调制识别方法

    公开(公告)号:CN113052126B

    公开(公告)日:2022-09-06

    申请号:CN202110387161.0

    申请日:2021-04-08

    Abstract: 一种基于深度学习的双阈值开集信号调制识别方法,属于辐射源识别技术领域。所述方法包括:1)数据集抽取信号,进行特征降维,选择输出效果最好的倒数第二个全连接层的输出;2)输入信号,得到1)输出的64维特征;3)第一次阈值方法来对未知信号进行与底库进行匹配;4)随后按类别统计不同的种类下与输入样本成功匹配的底库样本数量;5)随后根据匹配样本数量的种类最大值与第二阈值比较,确定匹配的种类;6)得到识别调制的信号,还有一部分未知调制方式的信号,再将输出的未知信号作为一个集合;7)将未知信号集合输入孪生神经网络进行迭代聚类,最终识别分类的不同种类未知信号集合。所述方法具有运算简单和识别精度较高的优点。

    一种非对称毫米波亚毫米波无线信道仿真方法

    公开(公告)号:CN113364544A

    公开(公告)日:2021-09-07

    申请号:CN202110635458.4

    申请日:2021-06-07

    Abstract: 本发明公开了一种非对称毫米波亚毫米波室外信道仿真方法,涉及无线通信领域。本发明充分考虑了信道分布环境呈现出非对称性的特点,设计了一种毫米波亚毫米波信道仿真方法,该方法能够生成非对称条件下的毫米波亚毫米波无线信道冲激响应和参数。通过结合毫米波亚毫米波具有空气分子吸收和粗糙表面漫散射的传播特点,将信道冲激响应分为视距径、单跳和双跳,从而准确地实现上下行信道的参数刻画与信道模拟。并且,非对称上下行信道的相关性得到了充分利用,这有效地降低了信道响应和信道参数生成的复杂度,从而增强了其在系统仿真验证应用中的实用性。本发明可应用于非对称毫米波亚毫米波通信系统的设计和部署中,并提供理论与模型依据。

    一种基于集成深度学习的特定辐射源识别方法

    公开(公告)号:CN109978028B

    公开(公告)日:2020-12-01

    申请号:CN201910186536.X

    申请日:2019-03-12

    Abstract: 一种基于集成深度学习的特定辐射源识别方法,属于信号处理以及辐射源识别技术领域。所述识别方法包括如下步骤:1)测量特定辐射源发射信号生成原始数据集;2)从原始数据集信号生成三维图像;3)将三维图像转换为二维图像;4)将二维图像送入学习器生成对应的识别模型;5)将待识别信号集生成三维图像;6)将三维图像生成二维图像;7)将二维图像送入4)生成的识别模型中得到辐射源识别结果和对应后验概率;8)将识别结果的后验概率使用集成学习方法进行再学习和训练,得到待识别信号的最终识别结果。所述方法用于电子情报侦察、无线频谱管理和无线网络安全管理,具有运算简单和识别精度较高的优点。

Patent Agency Ranking