“陈由甲”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果33个，建议您升级VIP下载更多相关专利

[发明专利]基于值分解网络和多智能体的半分布式协作存储方法-CN202111058748.3有效
发明人： 陈由甲;蔡粤楷;郑海峰;胡锦松 -专利权人：福州大学
申请日： 2021-09-09 - 公布日： 2023-09-22 - 主分类号： G06F16/71 文献下载
摘要：本发明提出一种基于值分解网络和多智能体强化学习的半分布式协作存储方法，根据无线智能存储网络模型，设计半分布式多智能体强化学习框架，设计状态空间、动作空间、奖励函数，来实现无线网络中对用户和无线服务节点信息的特征标识；结合Dueling DQN网络具有的高效的决策能力进而提出了动态存储算法，用于每个无线服务节点的存储替换策略；提出利用无线网络的汇聚节点嵌入值分解网络计算的全局策略更新参数，传递给各个无线服务节点进行各智能体的局部策略更新；通过各个智能体中神经网络不断迭代更新，来使得全局损失函数达到收敛状态，从而得到全局最佳的存储策略。各个智能体的信息传递给汇聚节点促进了各个智能体的相互协作，快速达到全局最优。
基于分解网络智能分布式协作存储方法

[发明专利]下行NOMA系统中一种基于通信感知一体化的隐蔽通信方法-CN202310521961.6在审
发明人：胡锦松;周怡婷;林清专;陈由甲;颜世豪;赵铁松 -专利权人：福州大学
申请日： 2023-05-10 - 公布日： 2023-08-08 - 主分类号： H04K1/00 文献下载
摘要：本发明涉及一种下行NOMA系统中一种基于通信感知一体化的隐蔽通信方法。根据下行NOMA系统的特点，它将雷达发射的双功能信号（感知信号和通信信号）结合在一起，在抵抗监听者监听的情况下，不仅可以感知目标，还可以与合法用户进行通信。为了优化雷达发射机发射的波形，本发明采用了连续凸近似算法来解决波束成形信号的凸优化问题，并权衡了隐蔽因子的取值来提高系统的性能。这项技术能够更加有效地保证系统安全性和可靠性，同时实现更高的频谱利用率，更好的解决频谱短缺的问题。
下行 noma 系统一种基于通信感知一体化隐蔽方法

[发明专利]基于噪声不确定性的全向超表面辅助隐蔽通信方法及系统-CN202310505563.5在审
发明人：胡锦松;程贝希;林清专;李鸿炜;陈由甲;赵铁松 -专利权人：福州大学
申请日： 2023-05-08 - 公布日： 2023-08-01 - 主分类号： H04K1/00 文献下载
摘要：本发明提供了基于噪声不确定性的全向超表面辅助隐蔽通信方法及系统，包括以下步骤：步骤1：确定智能全向超表面的工作模式，给出透射和反射系数的数学表达式；步骤2：推导Alice能与Willie正常通信的条件以及Alice不被Willie以100％的概率检测到隐蔽传输的条件；步骤3：分析Willie的检测性能，根据Willie处噪声功率的概率密度函数得到其最小检测错误概率作为系统的隐蔽约束；步骤4：分析Alice到Bob的传输情况，得到系统有效隐蔽速率的表达式；步骤5：建立智能全向超表面辅助隐蔽通信系统的优化问题，联合设计Alice处发射隐蔽消息的最优功率以及智能全向超表面的TARCs，最大化系统有效隐蔽速率。应用本技术方案可有效提高系统的隐蔽性能，保证信息的高效、安全传输。
基于噪声不确定性全向表面辅助隐蔽通信方法系统

[发明专利]基于雷达通信感知一体化的隐蔽通信方法及系统-CN202310195150.1在审
发明人：胡锦松;林清专;颜世豪;陈由甲;程贝希;李鸿炜 -专利权人：福州大学
申请日： 2023-03-03 - 公布日： 2023-06-30 - 主分类号： H04B7/06 文献下载
摘要：本发明涉及一种基于雷达通信感知一体化的隐蔽通信方法，包括以下步骤：根据通信系统构建相应的通信模型，描述通信表达式；根据通信系统统构建感知模型，推导出虚警概率和探测概率，同时构建监听模型，描述监听表达式，推导出KL散度；通过优化雷达发射机的波束成形向量，最大化通信的信噪比，从而提高通信的性能。本发明能够更加有效地保证安全性和高速传输。
基于雷达通信感知一体化隐蔽方法系统

[发明专利]基于深度学习的随机频率阵列辅助方向调制的传输方法-CN202110747717.2有效
发明人：胡锦松;蒋宛伶;颜世豪;陈由甲;郑海峰;赵铁松 -专利权人：福州大学
申请日： 2021-07-02 - 公布日： 2023-04-07 - 主分类号： H04B7/06 文献下载
摘要：本发明涉及基于深度学习的随机频率阵列辅助方向调制的传输系统，包括发射端和期望用户；所述发射端包括随机频率分集阵列和发射机，发射机利用随机频率分集阵列发射朝向期望用户的信号，使得期望用户实现安全传输。本发明借助深度学习技术，通过引入期望用户的方向角和距离信息在发射端对发射的隐私信号的初始相位进行设计，得到使得系统误差矢量幅度最小化的最优波束成形矢量，从而实现了在角度‑距离上的二维安全传输。与此同时设计正交人工噪声，对非期望区域的窃听者进行噪声污染，恶化窃听性能，降低了窃听者获得天线阵元频率分布的规则的几率。
基于深度学习随机频率阵列辅助方向调制传输方法

[发明专利]一种面向大规模监控的视频物联网设计方法-CN202211496405.X在审
发明人：赵铁松;陈由甲;魏小杰;林丽群 -专利权人：福州大学
申请日： 2022-11-27 - 公布日： 2023-03-28 - 主分类号： G06V10/94 文献下载
摘要：本发明提供了一种面向大规模监控的视频物联网设计方法，包括：S1：基于5G网络的联合前端‑边缘‑云端架构下，提出了一种在大规模无线物联网任务中执行监控操作的一个三阶段的解决方案；S2：在前端、边缘端服务器和云端服务器上分别部署不同的有效的神经网络来完成各阶段不同的任务；S3：按最优的比例分配识别任务给边缘端和云端执行，能够同时兼顾性能和通信成本。本发明能有效实现面向大规模监控的视频物联网中基于图像的目标识别和基于视频的目标分析任务，同时减少视频物联网任务中的视频传输，能够极大地节省通信资源。
一种面向大规模监控视频联网设计方法

[发明专利]基于混合中继-智能反射面和联邦学习的无线通信方法-CN202211011016.3在审
发明人：胡锦松;林清专;陈由甲;林丽群;赵铁松 -专利权人：福州大学
申请日： 2022-08-23 - 公布日： 2022-11-29 - 主分类号： H04W12/02 文献下载
摘要：本发明涉及一种基于混合中继‑智能反射面和联邦学习的无线通信方法。联邦学习作为分布式机器学习的一种，它的核心思想是在边缘设备上通过协作训练学习模型以获得最优全局模型，并且同时避免传输原始数据。考虑到无线信道固有的叠加特性，因此引入空中计算来支持大量的本地设备上传数据。同时根据物理层安全中的保密速率来筛除部分不安全的设备以获得更高的安全性。由于混合中继‑智能反射面不仅可以反射而且可以放大入射信号，因此可以通过它来增强联邦学习过程中的上行链路的增益，以获得更优的精确度。本发明通过制定一种设计方法，交替优化设备选择、混合中继‑智能反射面放大系数、相移以及接收波束成形向量以提高联邦学习的精确度和安全性。
基于混合中继智能反射联邦学习无线通信方法

[发明专利]隐蔽通信系统中基于强化学习的波束扫描方法-CN202210954535.7在审
发明人：胡锦松;吴林梅;国明乾;陈由甲;郑海峰 -专利权人：福州大学
申请日： 2022-08-10 - 公布日： 2022-11-15 - 主分类号： H04W12/02 文献下载
摘要：本发明涉及一种隐蔽通信系统中基于强化学习的波束扫描方法。具体地，在一个支持毫米波的隐蔽通信场景里，无人机作为发射机不知道监测者的确切位置，这种情况下，无人机采用多天线波束扫描的方法，在不同时隙中沿着不同的方向对地面上多个合法接收机进行波束形成传输。此时，发射机在一定程度上会产生信息泄露，为了避免被监测者检测到泄露的信息，需要优化波束扫描的波束数及发射功率，使其在满足隐蔽约束的条件下达到最大化平均吞吐量。为了提高发射机传输的准确性与高效性，本发明采用软动作‑评价（Soft Actor‑Critic，SAC）算法来约束发射功率和波束数量，引入最大化带熵的累计奖励，使平均吞吐量达到最大。
隐蔽通信系统基于强化学习波束扫描方法

[发明专利]一种无人机路径规划方法-CN202011147730.6有效
发明人： 陈由甲;雷涛;王萌 -专利权人：福州智匠科技有限公司
申请日： 2020-10-23 - 公布日： 2022-10-14 - 主分类号： G05D1/10 文献下载
摘要：本发明涉及无人机技术领域，尤其为一种无人机路径规划方法，包括以下步骤：参数设置：选取合适的无人机，设置任务无人机的飞行与能量等相关参数，设置任务无人机的监测中心与各巡航监测点坐标，设置每个巡航点的基本监测时间；本发明根据无人机的能量约束、视频传输质量的要求、以及监测巡航的具体要求；结合无线信道的合理建模、无线视频传输时间的推算、无人机盘旋与推进功率的能量损耗模型；将无人机在监测点进行视频传输的时间，以及此过程中悬停与进行信息传输所消耗的能量，加入路径规划中，对无人机的总能量损耗进行优化，以减小无人机的总飞行距离以及总起飞次数，提升无人机路径规划的准确性与实用性。
一种无人机路径规划方法

[发明专利]一种基于多策略强化学习的多目标内容存储方法-CN202210660932.3在审
发明人： 陈由甲;郭伯杨;蔡粤楷;胡锦松;郑海峰 -专利权人：福州大学
申请日： 2022-06-13 - 公布日： 2022-09-16 - 主分类号： H04L67/568 文献下载
摘要：本发明公开一种基于多策略强化学习的多目标内容存储方法，包括以下步骤：步骤S1：提出基于视频文件传输的协同缓存无线网络体系结构，定义了异构无线基站的状态空间和动作空间；步骤S2：动态内容缓存更新算法应用于各智能体，实现计算资源利用率最大化。步骤S3：利用权重映射网络来确定对于卸载流量的偏好权重，以帮助智能体实现策略选择过程，同时在协调器中引入混合网络来捕获各个智能体的信息，训练全局策略更新参数，并将结果反馈给各个无线基站进行各智能体的局部策略更新。本技术方案能够通过多策略方法学习一系列备选策略，为网络实现当前流量和视频质量之间的权衡。
一种基于策略强化学习多目标内容存储方法

[发明专利]基于三维波束赋形和智能反射的无线安全传输方法及系统-CN202110128246.7有效
发明人：胡锦松;赖靓玲;蒋宛伶;陈由甲;郑海峰;赵铁松 -专利权人：福州大学
申请日： 2021-01-29 - 公布日： 2022-09-02 - 主分类号： H04B7/06 文献下载
摘要：本发明涉及一种基于三维波束赋形和智能反射的无线安全传输方法及系统，该方法包括以下步骤：S1、根据导频获取的信道状态信息，进行信道编码，在信号上叠加人工噪声向量，经发射机的天线阵列向智能反射平面发射信号波束；S2、根据导频获取的信道状态信息，通过数字编码改变智能反射平面上每个反射单元的反射相角，使到达智能反射平面的信号经反射后，信号的相位被调整向期望接收机处发射。该方法及系统有利于提高无线通信的准确性、可靠性和安全性。
基于三维波束赋形智能反射无线安全传输方法系统

[发明专利]基于随机频率阵列和智能反射面的无线安全传输方法-CN202011529942.0有效
发明人：胡锦松;吕胜苹;赖靓玲;颜世豪;陈由甲;许志猛 -专利权人：福州大学
申请日： 2020-12-22 - 公布日： 2022-09-02 - 主分类号： H04K3/00 文献下载
摘要：本发明涉及一种基于随机频率阵列和智能反射面的无线安全传输方法，提供一多用户系统包括依次连接的发射端天线、智能反射面控制器和智能反射面，具体包括以下步骤：构建多用户系统模型，选取系统中所有期望用户的最大化信泄噪比加权和作为系统的目标函数；通过结合相应的凸优化理论，运用交替迭代优化的思想，得到相应的有源波束成形向量和无源波束成形矩阵,即得到智能反射面的反射矩阵。本发明基于随机频率阵列和智能反射面，能够实现多用户系统的安全传输，保证隐私信号到达期望用户的安全性能并且不被窃听用户拦截。
基于随机频率阵列智能反射无线安全传输方法

[发明专利]基于智能反射面和独立干扰机的隐蔽通信方法-CN202210496136.0在审
发明人：胡锦松;程贝希;石小强;陈由甲;郑海峰;冯心欣 -专利权人：福州大学
申请日： 2022-05-09 - 公布日： 2022-08-12 - 主分类号： H04W12/122 文献下载
摘要：本发明提出一种基于智能反射面和独立干扰机的隐蔽通信方法，针对智能反射面辅助的隐蔽通信系统，考虑在有限码长的场景下引入由大量无源反射单元组成的智能反射面，对发射机的发射功率与智能反射面的反射系数进行联合优化，改变发射机和接收机之间的信道环境，以最大化接收机处的接收信干噪比，确保信息的隐蔽传输。
基于智能反射独立干扰隐蔽通信方法

[发明专利]基于深度强化学习在D2D异构蜂窝网络中的隐蔽通信系统-CN202210502957.0在审
发明人：胡锦松;李鸿炜;陈由甲;魏宏安;房颖;赵铁松 -专利权人：福州大学
申请日： 2022-05-10 - 公布日： 2022-08-12 - 主分类号： H04W4/70 文献下载
摘要：本发明涉及一种基于深度强化学习在D2D异构蜂窝网络中的隐蔽通信系统，包括随机分布的M个用户和N个基站；所述N个基站中包含1个宏基站和N‑1个小基站；所述M个用户分别配备了发射天线和接收天线，在蜂窝模式或者D2D模式下通信；所述M个用户的位置固定不变，个数为偶数，每两个用户组成一对进行D2D通信，每对D2D链路由发射者Dr和接收者Dt组成；还包括一无人机，对其中一对用户进行监测，并给定一个隐蔽传输速率R；当用户与基站进行通信时，采用最大信噪比的方式将用户与基站关联。本发明能够通过采用深度强化学习的方法让用户进行不同通信模式的选则以及功率分配，从而最大化隐蔽传输速率。
基于深度强化学习 d2d 蜂窝网络中的隐蔽通信系统

[发明专利]基于图张量分解的交通数据处理方法-CN202110521299.5有效
发明人：郑海峰;邓雷;陈耿;冯心欣;陈由甲 -专利权人：福州大学
申请日： 2021-05-13 - 公布日： 2022-06-14 - 主分类号： G08G1/01 文献下载
摘要：本发明涉及一种基于图张量分解的交通数据处理方法。该方法将张量转换到图频域并施加时间约束项，以准确估计缺失的交通流量；包括以下步骤：步骤S1：将交通流量数据构造为图张量模型；步骤S2：将图张量分解为两个低秩图张量；步骤S3：构建时间平滑约束；步骤S4：设计目标函数并求解，即在时间平滑约束条件下对两个低秩图张量进行更新优化；步骤S5：利用更新后的两个低秩图张量重建交通流量数据。本方法充分利用交通流量数据的拓扑图结构，以较高的精度恢复出缺失的交通流量数据，为智能交通系统的应用提供参考。
基于张量分解交通数据处理方法

1
2
3
下一页»
尾页
共 33 条