-
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
Applicant: 北京理工大学
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。
-
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
Applicant: 北京理工大学
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。
-
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
Applicant: 北京理工大学
IPC: H04W64/00 , H04B17/318 , G06T17/05 , G01S5/02
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。
-
公开(公告)号：CN117375696A
公开(公告)日：2024-01-09
申请号：CN202311298333.2
申请日：2023-10-09
Applicant: 北京理工大学
IPC: H04B7/185 , H04W72/541 , H04W72/50 , H04W12/00 , H04W12/03 , H04W84/06 , H04K3/00 , G06N3/006 , G06N3/045 , G06N3/092 , G06N7/01 , G06F18/23213
Abstract: 本发明涉及一种多无人节点协同互联安全通信优化方法，属于无线通信技术领域。本发明的方法基于多智能体强化学习方法，在优化过程中加入了优先经验回放机制，通过更频繁地回放非常成功的尝试或极其糟糕的表现相关的经验，智能体能更快学习到有价值的经验，从而使其能够更快速适应动态环境，得到更好的训练效果；本发明的方法考虑了存在同信道干扰时的优化场景，在无人机的动作选择中加入子信道的选择，通过训练学习最终能选择合适的子信道分配方案，使同信道干扰的影响降到最小。
-
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
Applicant: 北京理工大学
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
公开(公告)号：CN106201356A
公开(公告)日：2016-12-07
申请号：CN201610552192.6
申请日：2016-07-14
Applicant: 北京理工大学
Inventor： 张万成
IPC: G06F3/06 , H04L12/26 , H04L12/751 , H04L12/911 , H04L29/08
CPC classification number: G06F3/0611 , G06F3/06 , G06F3/0613 , G06F3/0629 , G06F3/0635 , G06F3/067 , G06F2003/0697 , H04L43/0876 , H04L45/02 , H04L47/783 , H04L67/10 , H04L67/1002
Abstract: 本发明公开了一种基于链路可用带宽状态的动态数据调度方法，用户读取数据时首先根据数据存储表确定需要的数据存放于哪些地面存储节点，然后指派相应的存储节点根据转发表发送数据包，并实时监测网络中的链路带宽负载情况，及时调整数据的传输路径。本发明的有益效果：可以根据链路的实时带宽动态调整数据的传输路径，从而缩短数据请求响应时间、提升数据吞吐量。
-
公开(公告)号：CN117478257A
公开(公告)日：2024-01-30
申请号：CN202311429256.X
申请日：2023-10-31
Applicant: 北京理工大学
IPC: H04B17/391 , H04L41/16 , G06F18/23 , G06N3/042
Abstract: 本发明涉及一种融合城市空间形态的路径损耗建模方法，属于无线通信技术领域。该方法首先，基于城市矢量地图做地理数据库的预处理，完成数字子建筑的聚类与合并。其次，将全局坐标系仿射变换为局部坐标系，将建筑三维形状量化编码为空间形态特征，同时，提取出线性的环境拓扑特征，结合双模态特征以及路径损耗真实值制作路径损耗预测数据集。最后，基于图注意力卷积层与自注意力图池化层构建图回归网络，实现了对路径损耗的预测模型。
-
公开(公告)号：CN113890583A
公开(公告)日：2022-01-04
申请号：CN202111335974.1
申请日：2021-11-12
Applicant: 北京理工大学
IPC: H04B7/08 , H04B7/0413
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。
-
公开(公告)号：CN112911653A
公开(公告)日：2021-06-04
申请号：CN202110364979.0
申请日：2021-03-29
Applicant: 北京理工大学
Abstract: 本发明具体涉及一种基于用户等级的优先级B5G通信系统资源调度方法，属于移动通信中的资源调度技术领域。依托的信息传输系统包括系统资源库、优先级标识符排序装置、客户端以及用户；所述信息传输方法，包括：步骤1.优先级标识符分配，给区域内用户按综合因素分配标识符；步骤2.用户资源需求申请，具体包括用户向客户端发出请求、客户端再上报给装置；步骤3.优先级标识符鉴权，包括：1)装置对情况进行判别；2)资源小于等于现有时正常申请下拨；3)大于现有时按照优先级排序、下拨、调度；步骤4.用户资源使用，具体包括优先级标识符排序装置将资源下拨给客户端、客户端再下放给用户；所述方法具有极佳的效率和业务发展能力。
-
公开(公告)号：CN118764931A
公开(公告)日：2024-10-11
申请号：CN202410741592.6
申请日：2024-06-11
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于元学习的多场景下泛化性路径损耗预测方法，属于无线通信技术领域。本发明提出了一种基于元学习的多种类场景下泛化性路径损耗预测方法，将元训练与特化训练双阶段训练过程结合，在元训练每轮梯度更新时有效综合内层训练后网络权重与原网络权重，从而避免元学习路径损耗预测网络模型对于部分场景数据过拟合，更好地学习场景间的共性特征，提升了路径损耗建模方案对于多种场景的泛化性能。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.028 seconds)
