专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果167个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于DQN的分簇式协同频谱感知方法-CN202310869448.6在审
  • 沈婷婷;徐友云 - 南京邮电大学
  • 2023-07-17 - 2023-10-27 - H04B17/382
  • 本发明公开了一种基于DQN的分簇式协同频谱感知方法,包括:获取主用户和次用户的地理位置,基于主用户和次用户的地理位置构建分簇式协同感知架构,分簇式协同感知架构将与聚类中心距离最小的次用户作为簇头;在簇头上构建DQN,并定义状态空间、动作空间以及奖励函数,训练每个簇头的DQN并调整DQN参数进行测试得到测试结果;对测试结果进行二次融合,基于簇间融合结果和观测值,判决输出频谱检测的准确率。本发明通过构建分簇式的协同感知架构,在DQN算法中设计一种复杂的奖励函数,使智能体更加智能地调节能量检测的判决阈值,同时基于累计准确度的二次融合算法,进一步提高频谱感知的性能,打破了传统方法的应用局限性,使协同感知系统更加智能稳定。
  • 一种基于dqn分簇式协同频谱感知方法
  • [实用新型]一种生理参数检测的监护仪结构-CN202223383638.7有效
  • 徐友云 - 南京南邮通信网络产业研究院有限公司
  • 2022-12-16 - 2023-10-03 - A61B5/00
  • 本实用新型提供一种生理参数检测的监护仪结构,包括监护仪主体,所述监护仪主体上设置有防护组件,所述防护组件包括升降筒,所述升降筒的内部滑动连接有升降杆,本实用新型提供的生理参数检测的监护仪结构,通过在监护仪主体的顶部安装防护组件,使得当异物放置在监护仪主体的顶部时,会使得异物下压防护板,进而会使得防护板带动升降杆和触发块向下移动,触发块向下移动会使得触发块与触发开关接触,进而使得触发开关控制警报器响起,使得警报器可以提醒周围人员对异物进行取走,避免了异物对监护仪主体进行遮挡,使得影响对监护仪主体的正常观看,同时可以避免放置茶杯等异物时,茶杯倾倒,使得水流至监护仪主体上,对监护仪主体造成伤害。
  • 一种生理参数检测监护结构
  • [发明专利]基于DRL的多小区通信感知一体化系统的资源分配方法-CN202310622365.7在审
  • 王小明;吴慧玲;蒋锐;李大鹏;徐友云 - 南京邮电大学
  • 2023-05-30 - 2023-08-04 - H04W16/10
  • 本发明公开了基于DRL的多小区通信感知一体化系统的资源分配方法,步骤如下:(1)搭建对用户和感知目标进行资源分配的深度强化学习网络,获得资源分配动作。(2)进行DRL和系统环境的交互。每一次交互中,所有小区获取当前时刻的环境状态。系统按照资源分配动作执行具体的通信和感知过程,资源分配网络当前奖励并到达下一时刻的环境状态。(3)进行DRL的训练过程。(4)训练好的网络将用户和感知目标的联合信道增信息作为状态输入,动态调整资源分配策略,使所有用户的和速率最大化。本发明可以有效提升系统性能,加快资源分配神经网络的收敛速度,在保证每个用户的通信质量和每个目标的感知精度条件下,最大化所有用户的和速率。
  • 基于drl小区通信感知一体化系统资源分配方法
  • [发明专利]基于迁移学习的下行MISO-OFDMA协作传输方法-CN202210072264.2有效
  • 徐友云;孙高翔;王小明;蒋锐;李大鹏 - 南京邮电大学
  • 2022-01-21 - 2023-07-21 - H04L5/00
  • 本发明是一种基于迁移学习的下行MISO‑OFDMA协作传输方法,包括步骤1:定义下行MISO‑OFDMA系统的关键参数;步骤2:利用深度Q网络在当前环境下训练当前智能体,为每个智能体构建一个深度Q网络即为多智能体深度Q网络,解决波束协作和资源分配问题;步骤3:以不同方案改变当前环境并提出一种迁移学习框架,所述迁移学习框架在新环境下通过步骤2中训练好的智能体的知识和新智能体的经验来训练新智能体;步骤4:动态调整波束成形协作和资源分配策略,以最大化所有用户的和速率。本发明可以有效地提升系统性能,加快神经网络的收敛速度,使新智能体更快更有效地适应新的网络环境。
  • 基于迁移学习下行misoofdma协作传输方法
  • [发明专利]一种低轨卫星网络卫星切换方法-CN202210019523.5在审
  • 滕支强;陈剑;陈轩;徐友云;周文宇 - 南京邮电大学
  • 2022-01-07 - 2023-07-18 - H04B7/185
  • 本发明属于卫星通信领域,提供了一种低轨卫星网络的卫星切换方法,该方法包括:对业务的类型进行划分;为每种类型业务的特定要素设定阈值并利用层次分析法生成不同的加权系数;对阈值筛选后的备选接入卫星的要素进行归一化处理,与层次分析法求出的加权系数相乘得到卫星品质因数;优先选择品质因数最大的卫星接入,若无空闲信道则选择品质因数次最大的备选接入卫星,若无空闲信道则接入失败。其有益效果是:可以平滑业务量变化时导致的业务失败率的变化,保证了整体性能的均衡性。同时业务的整体接入失败率和切换失败率得到了明显的降低,获取了更好的系统性能。
  • 一种卫星网络卫星切换方法
  • [发明专利]基于深度强化学习的语义通信系统的资源分配方法-CN202310419452.2在审
  • 王小明;程广;蒋锐;李大鹏;徐友云 - 南京邮电大学
  • 2023-04-19 - 2023-07-04 - H04W72/044
  • 本发明公开了一种基于深度强化学习的语义通信系统的资源分配方法。多小区智能语义处理中心通过每个基站收集通信的发送数据和接收数据,利用Transformer模型得到语义通信系统的BLEU得分随信噪比变化的映射表,并利用映射曲线拟合得到比特至语义(B2M)的转换曲线,通过比特率获得系统语义吞吐量;引入知识库的辅助系统;确定多小区网络用户子信道分配方式及功率分配方式,得到每个小区传输比特率,通过B2M转换曲线得到单个小区的语义吞吐量;得出优化问题,通过对问题进行简化得出最终需要优化的语义资源分配方案;设计并搭建资源分配网络Semantic‑JCP,求解资源分配问题后最终得到使多小区系统语义吞吐量最大情况下的子信道分配和功率分配。
  • 基于深度强化学习语义通信系统资源分配方法
  • [发明专利]一种基于非正交多址接入的语义通信传输方法-CN202310419000.4在审
  • 王小明;陈柄岑;蒋锐;李大鹏;徐友云 - 南京邮电大学
  • 2023-04-18 - 2023-07-04 - H04W24/02
  • 本发明公开了一种基于非正交多址接入的语义通信传输方法,基站基于文本数据集构建语义背景知识库,并通过广播分享给网络中的多个用户;在基站和用户侧分别设计基于Transformer结构的发射器和接收器,实现用户端语义信息提取与基站端的语义信息恢复;设计非正交多址接入语义通信系统,利用语义辅助执行串行干扰消除;收集用户的发送信号和基站的接收信号,根据交叉熵损失训练网络模型;基于训练的模型参数,结合贪婪算法和语义解码器恢复用户数据,实现语义信息传输。该方法以语义信息辅助消除干扰实现精确重构用户信号,减少误差传播,并更新基站侧的用户解码器网络参数,保证每名用户的传输准确性,同时也能减少基站的处理量和消耗。
  • 一种基于正交接入语义通信传输方法
  • [发明专利]基于不完整信息的智能反射表面的干扰测试方法-CN202110931314.3有效
  • 李大鹏;王瀚;王小明;蒋锐;徐友云 - 南京邮电大学
  • 2021-08-13 - 2023-07-04 - H04B17/345
  • 本发明公开基于不完整信息的智能反射表面的干扰测试方法,属于计算、推算或计数的技术领域。根据测试方已知的通信系统的信息及服务区内用户群构建下层优化模型约束集合;根据当前测试设备参数和所了解的智能反射表面构建上层优化模型约束集合;根据所得的上下层约束集合构建双层优化的测试方案决策模型,得到本轮测试的测试方案并预测通信系统接收到测试信号后的表现;观测通信系统在测试方案作用下的表现;在观测到的实际表现和预测结果相等时,结束试验,不相等则根据观测方式修改约束集合后重新生成测试方案,在不完全了解系统的情况下经过有限次试验后即可正确检测出干扰测试下的系统真实表现,具有测试过程快速准确的优点。
  • 基于完整信息智能反射表面干扰测试方法
  • [发明专利]基于学习因子图的数据与模型联合驱动的信号检测方法-CN202210245167.9有效
  • 徐友云;兰媛媛;王小明;蒋锐;李大鹏;胡静 - 南京邮电大学
  • 2022-03-10 - 2023-06-30 - H04B17/29
  • 本发明提供一种基于学习因子图的数据与模型联合驱动的信号检测方法,通过收集通信的发送数据X与接收数据Y;搭建CNN‑BiLSTM网络作为分类神经网络;使用基于Akaike信息准则的混合高斯模型去拟合信道接收数据Y的分布,得到边缘概率密度;模式识别网络重构训练集,对CNN‑BiLSTM网络进行线下训练,得到条件概率密度;计算得到通过因子图的消息传递算法实现信号检测所需要的因子节点;根据有限记忆信道的记忆长度与学习到的因子节点在学习因子图上进行前向后向的消息传递算法,实现最大后验概率准则下的信号检测;该方法能够在不需要信道知识的无信道模型中实现接近最优的信号检测性能,具有更准确的检测结果,且对不确定性训练的具有优秀的鲁棒性。
  • 基于学习因子数据模型联合驱动信号检测方法
  • [发明专利]一种用于OFDM系统对抗多径衰落的方法-CN202310313627.1在审
  • 王伟泽;徐友云;威力 - 南京邮电大学
  • 2023-03-28 - 2023-06-23 - H04L27/26
  • 本发明涉及无线通信技术领域,具体地说,是一种用于OFDM系统对抗多径衰落的方法,将数据比特进行四维球面码调制生成发送信号;发送信号经过多径衰落信道,获得对应的接收信号;将接收信号输入预先训练好的神经网络接收机得到检测后的信号。所述神经网络接收机通过深度复数全连接神经网络训练得到,所述深度复数全连接神经网络采用不同大小复数全连接层串联而成。本方法克服了现有技术中存在的接收机需要均衡器对抗多径衰落和索引调制难以约定导频的问题,提供一种改进的导频辅助球面码索引调制方案配合复数神经网络接收机模型,在对抗多径衰落上可以获得更高的性能。
  • 一种用于ofdm系统对抗衰落方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top