“尤肖虎”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649个，建议您升级VIP下载更多相关专利

[发明专利]基于多智能体强化学习的负载均衡方法-CN202210313422.9在审
发明人：潘志文;李紫誉;刘楠;尤肖虎 -专利权人：东南大学;网络通信与安全紫金山实验室
申请日： 2022-03-28 - 公布日： 2022-06-24 - 主分类号： H04W28/08 文献下载
摘要：本发明公开了基于多智能体强化学习的负载均衡方法，包括以下步骤：第一步：收集网络信息，初始化参数；第二步：进行多智能体深度确定性策略梯度训练学习最优用户切换策略，具体包括：初始化当前训练步数；统计当前步网络状态；根据策略网络选取当前动作；对每个用户执行动作；统计当前执行动作后的网络状态和奖励；将当前样本存入经验回放池；若经验回放池样本数量大于批量大小，则对每个智能体的Q网络和策略网络权值进行更新；然后判断当前训练步数是否可整除每轮互动次数，若是则初始化网络环境，开启新一轮训练，直到每轮累计奖励值收敛到最大值，获得n个最优策略网络。本发明能够改善网络负载不均衡性，以更精细化方式降低网络负载。
基于智能强化学习负载均衡方法

[发明专利]基于简化三阶关键集合的极化码串行抵消列表译码方法-CN201811265551.5有效
发明人：潘志文;于永润;刘楠;尤肖虎 -专利权人：东南大学
申请日： 2018-10-29 - 公布日： 2022-06-24 - 主分类号： H03M13/13 文献下载
摘要：本发明公开了一种基于简化三阶关键集合的极化码串行抵消列表译码方法，属于无线通信中的信道编码技术领域，步骤包括：步骤一、构造三阶关键集合TCS，所述TCS由极化码中所有R1节点内的前3个比特构成，所述R1节点指极化码译码二叉树中所有叶节点都代表信息比特的节点；步骤二、构造简化三阶关键集合STCS；步骤三、依照译码索引，利用所述简化三阶关键集合STCS对译码路径分类，并分别进行译码。本发明通过定义简化三阶关键集合，仅对位于STCS中的信息比特进行路径分裂，对不位于STCS中的信息比特不进行路径分裂，减少了译码路径的分裂次数，从而减少了CA‑SCL译码器中的路径管理次数，降低了CA‑SCL译码方法的时延。
基于简化关键集合极化串行抵消列表译码方法

[发明专利]基于深度学习的多天线系统信道估计方法-CN202110640980.1有效
发明人：潘志文;金子程;刘楠;尤肖虎 -专利权人：东南大学;网络通信与安全紫金山实验室
申请日： 2021-06-09 - 公布日： 2022-06-24 - 主分类号： H04L25/02 文献下载
摘要：本发明公开了基于深度学习的多天线系统信道估计方法，适用于估计上行多径信道，本发明基于条件生成对抗网络实现，条件生成对抗网络包括基于深度学习网络的生成器与判别器两部分，该方法包括离线训练和在线测试两部分：离线训练首先根据真实信道测量值生成训练样本，然后利用生成器获得训练样本对应的估计信道；其次由判别器得到判别输出，计算损失函数更新判别器和生成器的网络参数；循环迭代完成后将训练完成的生成器神经网络存储于基站处；在线测试阶段，将量化后的导频信号和原导频信号输入训练完成的生成器，获得用户到所有天线的估计信道。与现有技术相比，能有效降低估计的归一化均方误差。
基于深度学习天线系统信道估计方法

[发明专利]基于遗传算法优化的极化码重传方法-CN202210361218.4在审
发明人：潘志文;柳泽晨;刘楠;尤肖虎 -专利权人：东南大学;网络通信与安全紫金山实验室
申请日： 2022-04-07 - 公布日： 2022-06-21 - 主分类号： H03M13/13 文献下载
摘要：本发明是一种基于遗传算法优化的极化码重传方法，该方法包括第一步：重传前编码部分，包括参数定义、构造拷贝映射、重传部分编码；第二步：遗传算法优化重传打孔向量，包括参数定义与初始化、种群初始化、遗传与变异、计算个体的适应度参数、种群筛选等；使用的码字是循环冗余校验(Cylic Redundancy Check,CRC)码和极化码形成的级联码。本发明中的方法在译码失败的情况下应用极化矩阵扩展重传，对重传中速率匹配的打孔序列应用遗传算法，在迭代过程不断筛选出误码率性能更好的打孔序列，并以前一次重传的打孔序列为基础，优化下一次重传序列，最终能够收敛至局部最优解，获取性能增益。
基于遗传算法优化极化码重传方法

[发明专利]一种低训练开销的混合大规模MIMO-OFDM系统信道估计方法-CN202110504891.4有效
发明人：朱鹏程;徐军;盛政;李佳珉;尤肖虎 -专利权人：东南大学
申请日： 2021-05-10 - 公布日： 2022-06-21 - 主分类号： H04L25/02 文献下载
摘要：本发明公开了一种低训练开销的混合大规模MIMO‑OFDM系统信道估计方法，适用于通信领域使用。先建立混合大规模MIMO‑OFDM系统信道模型、上行链路信号传输模型以及混合结构采样模型，使得基站得到一个不完整的基带信号采样张量用于信道估计；对不完整的基带信号采样张量进行模3展开，获得不完整的基带信号采样矩阵；基站设计矩阵补全算法，以不完整的基带信号采样矩阵为输入，输出完整的估计矩阵；将完整的估计矩阵进行模3展开逆运算，得到估计张量，然后根据该估计张量和已知的导频矩阵完成信道估计。该方法能显著降低训练开销，并且可以通过增加子载波数来降低估计误差。
一种训练开销混合大规模 mimo ofdm 系统信道估计方法

[发明专利]一种基于极化码的异步多级比特交织编码调制方法-CN202110833801.6有效
发明人：潘志文;胡耀月;刘楠;尤肖虎 -专利权人：东南大学;网络通信与安全紫金山实验室
申请日： 2021-07-23 - 公布日： 2022-06-21 - 主分类号： H04L1/00 文献下载
摘要：本发明公开了一种基于极化码的异步多级比特交织编码调制方法，包括以下步骤：首先通过遍历搜索得到最佳的编码模式和调制模式用于系统编码和调制，然后使用高斯近似方法得到信息比特的传输位置；进行极化码编码；对编码后的数据进行交织；发送端数据存储；调制；接收端接收信号；计算并存储符号似然比；译码及码重构；存储比特序列。本发明在误组率性能无损的情况下降低了存储和译码复杂度，适用于实际的通信应用。
一种基于极化异步多级比特交织编码调制方法

[发明专利]基于信道密钥和标签信号的物理层身份认证方法-CN202210244672.1在审
发明人：潘志文;邵旖洁;刘楠;尤肖虎 -专利权人：东南大学;网络通信与安全紫金山实验室
申请日： 2022-03-11 - 公布日： 2022-06-17 - 主分类号： H04L9/08 文献下载
摘要：本发明是一种基于信道密钥和标签信号的物理层身份认证方法，所述的物理层身份认证方法分为信道密钥生成和标签信号嵌入两个方面，包括如下步骤：第一步：合法通信双方获取无线信道信息：第二步：合法通信双方根据获得的信道信息和生成初始密钥；第三步：合法通信双方对初始密钥IA和IB进行一致性确认：第四步：合法通信双方根据I′A和I′B生成最终的对称密钥和第五步：合法通信双方开始进行消息传递：对于时变信道而言，本发明中的物理身份认证方案可以保持恒定的认证准确率，并且与基于核函数的智能认证方案相比，本发明中的方案无需实时更新认证模型参数，仅需要认证者提取标签信号，大幅度减小了在线认证的计算开销。
基于信道密钥标签信号物理层身份认证方法

[发明专利]基于生成对抗网络上采样的无线网络中断检测方法-CN202210215536.X在审
发明人：潘志文;葛旭;刘楠;尤肖虎 -专利权人：东南大学;网络通信与安全紫金山实验室
申请日： 2022-03-07 - 公布日： 2022-06-10 - 主分类号： H04W24/02 文献下载
摘要：本发明是一种基于生成对抗网络上采样的无线网络中断检测方法，该方法包括如下步骤：第一步：搜集网络关键性能指标KPI，获取数据集Tr；第二步：使用数据集Tr训练本方法所提出模型：本方法所提出模型由生成器G，判别器D，分类器C组成；第三步：使用第二步中获得的分类模型C，根据网络中用户实时上报的n维KPI信息x(x∈Rn)进行中断检测；本发明能够解决不平衡数据集问题，带来中断检测性能的整体提升，此外可根据数据分布特征，自适应调整少数类采样程度和合成数据分布，获得良好中断检测性能，因此，本方法有更好的鲁棒性与可扩展性。
基于生成对抗网络采样无线网络中断检测方法

[发明专利]基于强化学习的移动性负载均衡方法-CN202210235344.5在审
发明人：潘志文;李紫誉;刘楠;尤肖虎 -专利权人：东南大学;网络通信与安全紫金山实验室
申请日： 2022-03-10 - 公布日： 2022-06-07 - 主分类号： H04L47/125 文献下载
摘要：本发明是一种基于强化学习的移动性负载均衡方法，首先基于各基站剩余负载构建优化目标，再将移动性负载均衡问题建模成马尔科夫决策过程，然后使用无模型的深度强化学习方法即柔性动作‑评价方法对最佳移动性参数调整进行求解，通过操作维护管理系统网管层与网络环境的交互，不断训练强化学习策略网络，得到每一个网络负载状态下的最优移动性参数，改善网络中负载不均衡性，降低网络负载，提高网络接入新用户能力。
基于强化学习移动性负载均衡方法

[发明专利]双向通信系统以及波束跟踪方法-CN202210214621.4有效
发明人：朱敏;蔡沅成;梁胜;雷明政;张教;华炳昌;田亮;邹昱聪;黄永明;尤肖虎 -专利权人：网络通信与安全紫金山实验室
申请日： 2022-03-07 - 公布日： 2022-06-07 - 主分类号： H04B7/06 文献下载
摘要：本申请涉及一种双向通信系统以及波束跟踪方法。该双向通信系统包括通信基站和通信终端，其中，该通信基站包括相控阵天线以及波束跟踪控制器；该波束跟踪控制器，用于检测该相控阵天线当前时刻接收到的该通信终端发送的无线信号与参考无线信号的功率差异是否小于第一差异阈值；该波束跟踪控制器，还用于在检测到该功率差异小于该第一差异阈值的情况下，控制该相控阵天线扫描，直至该相控阵天线在扫描过程中接收到的该通信终端发送的无线信号与该参考无线信号的功率差异大于第二差值阈值为止，以对准该相控阵天线和该通信终端。采用本方法能够实现用户终端基于毫米波或太赫兹等高频段无线信号进行实时双向移动通信。
双向通信系统以及波束跟踪方法

[发明专利]一种适用于极化码调制的滑动窗软串行抵消列表译码方法-CN202210215907.4在审
发明人：潘志文;胡耀月;刘楠;尤肖虎 -专利权人：东南大学;网络通信与安全紫金山实验室
申请日： 2022-03-07 - 公布日： 2022-06-03 - 主分类号： H03M13/13 文献下载
摘要：本发明公开了一种适用于极化码调制的滑动窗软串行抵消列表译码方法，包括以下步骤：接收端初始化；对t时刻长度为K的源信息比特序列θt进行滑动窗译码；如果译码状态s0＝0，执行二次迭代过程；输出θt的估计如果s0＝1，对进行码重构得到wt的估计更新使得与相一致；令t′＝t+Lw，计算更新s；令t＝t+1，返回第二步直到输出所有发送的源信息比特序列的最终估计序列。该方法结合了空间耦合结构和软输入软输出迭代译码的优势，优化了系统的误组率性能。
一种适用于极化调制滑动串行抵消列表译码方法

[发明专利]一种使用强化学习获得无人机中继轨迹的方法-CN202110532993.7有效
发明人：刘楠;慕红伟;潘志文;尤肖虎 -专利权人：东南大学
申请日： 2021-05-17 - 公布日： 2022-06-03 - 主分类号： H04B7/185 文献下载
摘要：本发明公开了一种使用强化学习获得辅助蜂窝网络的无人机中继轨迹的方法，输入无人机起始位置，无人机电池最大容量，最大回合数,折扣因子,学习率,动作利用率，采用Q学习设计能量受限的无人机轨迹。本发明综合考虑基站的天线辐射模式、回程约束、无人机能量消耗，建立了一个有实际意义的无人机电池能量受限的轨迹优化问题，分析待解决的轨迹设计问题，将无人机轨迹设计问题转化为离散时间决策过程并转用Q学习解决问题，能设计无人机最佳轨迹,充分利用无人机电池能量带来最大用户频谱效率的提升。
一种使用强化学习获得无人机中继轨迹方法

[发明专利]基于无迹卡尔曼滤波的毫米波分布式MIMO系统AOA跟踪方法-CN202110534153.4有效
发明人：朱鹏程;鲍嘉龙;李佳珉;尤肖虎 -专利权人：东南大学
申请日： 2021-05-17 - 公布日： 2022-06-03 - 主分类号： H04L25/02 文献下载
摘要：本发明公开了一种基于无迹卡尔曼滤波的毫米波分布式MIMO系统AOA跟踪方法，适用于通信领域使用。通过利用单脉冲技术，推导了毫米波分布式MIMO系统下用户AOA获取方案；针对用户移动场景，提出了一种基于无迹卡尔曼滤波器的跟踪算法，用以解决非线性观测方程下的用户AOA跟踪问题，能有效降低用户AOA的跟踪误差。
基于卡尔滤波毫米波分布式 mimo 系统 aoa 跟踪方法

[发明专利]一种使用强化学习获得无人机收集数据轨迹的方法-CN202110697404.0有效
发明人：刘楠;慕红伟;潘志文;尤肖虎 -专利权人：东南大学
申请日： 2021-06-23 - 公布日： 2022-06-03 - 主分类号： G05D1/12 文献下载
摘要：本发明公开了一种使用强化学习获得无人机收集数据轨迹的方法，输入无人机起始位置，结束位置，地面各节点位置以及待传输数据量和能量限制，采用Actor‑Critic算法设计无人机辅助收集地面节点数据轨迹。该方法在最小化收集数据任务完成时间的目标下充分考虑了各地面节点本身待收集数据量不同和各自能量限制。在解法上通过将连续时间无人机轨迹设计问题转化为离散时间马尔科夫决策过程，基于Actor‑Critic算法获得无人机在每个状态下的最佳收集数据决策和最佳运动决策。能设计无人机最佳收集数据轨迹，可以在保证收集完所有地面节点待传输数据量并满足各地面节点能量限制的前提下显著减少收集时间。
一种使用强化学习获得无人机收集数据轨迹方法

[发明专利]目标空间位置参数估计方法及装置-CN202210045023.9在审
发明人：黄永明;刘升恒;倪天恒;毛子焕;尤肖虎 -专利权人：网络通信与安全紫金山实验室
申请日： 2022-01-14 - 公布日： 2022-05-31 - 主分类号： G06F30/20 文献下载
摘要：本发明提供一种目标空间位置参数估计方法及装置，该方法包括：接收来自目标发射端的发射信号；将发射信号输入至信号模型，获取目标协方差矩阵；基于目标协方差矩阵，获取与目标发射端对应的目标参数；其中，目标参数包括目标发射端与接收端之间的距离和波达方向角，信号模型是根据信息论框架下的目标感知压缩矩阵建立的。本发明提供的目标空间位置参数估计方法及装置，基于信息论优化的目标感知压缩矩阵建立的信号模型，对接收到的发射信号进行压缩感知处理，得到目标协方差矩阵，通过目标协方差矩阵定位估计出目标发射端的目标参数。能够在降低一定的采样率和运算量的前提下，相较于传统的压缩感知，提高定位估计的精准度。
目标空间位置参数估计方法装置