“潘甦”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89个，建议您升级VIP下载更多相关专利

[发明专利]一种无人机辅助联邦学习的方法-CN202310924514.5在审
发明人：鲍楠;陈嘉旭;孙希霞;师晓晔;潘甦 -专利权人：南京邮电大学
申请日： 2023-07-25 - 公布日： 2023-10-24 - 主分类号： G06N20/00 文献下载
摘要：本发明提供一种无人机辅助联邦学习的方法，将车辆机动性、激励决策、迁移问题综合考虑。针对参与者不愿意无条件贡献他们的资源进行本地模型训练的问题，设计一种公平的激励机制和信任模型，以鼓励参与者上传可靠的模型更新，加入联邦学习任务。本发明针对车辆的移动性，提出了利用无人机服务迁移和无人机移动的双向机制来保证联邦学习任务的完整进行。同时考虑到用户车辆的参与意愿，本发明设计了基于博弈论的用户车辆激励方法，用户车辆和无人机能够制定相应决策，最大化各自的效用。
一种无人机辅助联邦学习方法

[发明专利]一种不确定环境下的绿色车辆路径规划方法及模型-CN202310873575.3在审
发明人：孙希霞;祝园园;潘甦 -专利权人：南京邮电大学
申请日： 2023-07-17 - 公布日： 2023-10-20 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种不确定环境下的绿色车辆路径规划方法及模型，包括：步骤1、建立不确定环境下的多目标多车型绿色车辆路径规划数学模型；步骤2、针对不确定环境下的多目标多车型绿色车辆路径规划问题，提出改进的离散头脑风暴求解算法；步骤3、提出改进的邻域搜索算法；步骤4、将所述离散头脑风暴求解算法和所述领域搜索算法融合，形成带邻域搜索的改进离散头脑风暴优化求解算法。本发明的绿色车辆路径规划的求解算法及模型能够更合理地描述和处理不确定环境中的模糊信息，保证规划结果的精确性和可信性，同时，该求解算法在求解不确定环境下的多目标多车型绿色车辆路径规划问题时具有更高的收敛精度和全局搜索能力。
一种不确定环境绿色车辆路径规划方法模型

[发明专利]一种基于GM-HMM的道路安全驾驶行为识别方法-CN202310939571.0在审
发明人：鲍楠;陆金辉;孙希霞;师晓晔;潘甦 -专利权人：南京邮电大学
申请日： 2023-07-28 - 公布日： 2023-10-20 - 主分类号： G06F18/2321 文献下载
摘要：本发明公开了一种基于GM‑HMM的道路安全驾驶行为识别方法，首先获取城市道路三车道交通数据集，对采集数据集进行预处理，从预处理后的数据集中提取换道及直行的样本数据，针对每一类驾驶行为构建行为识别模型，采用观测数据对行为识别模型的模型参数进行训练优化，最后将测试数据分别导入三个驾驶行为子模型进行计算，输出概率最大的子模型对应的驾驶行为作为识别得到的行为结果。本发明适用于三车道的普遍城市道路场景，利用HMM和GMM的特点建立GM‑HMM混合模型，无需手动选择特征，能够自适应地对驾驶员的行为进行建模，又设置周围车辆安全距离，将周围车辆信息纳入安全考虑，最后对驾驶行为进行识别预警，提高了模型的安全性。
一种基于 gm hmm 道路安全驾驶行为识别方法

[发明专利]一种最近邻增强对比学习预训练的文本匹配方法-CN202310804893.4在审
发明人：陈家绪;刘鲁缘;刘琳;王帅威;张兆维;潘甦 -专利权人：南京邮电大学
申请日： 2023-07-03 - 公布日： 2023-10-03 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了一种最近邻增强对比学习预训练的文本匹配方法，包括：对比学习预训练源文本集、目标文本集，分别得到新的源文本向量和目标文本向量；利用最近邻算法检索源文本向量、目标文本向量的相似实例，分别得到源相似实例集和目标相似实例集；计算源相似实例集的相似权重集和目标相似实例集的相似权重集；基于源相似实例集的相似权重集合并源文本向量和源相似实例集，得到源文本加权向量；基于目标相似实例集的相似权重集合并目标文本向量和目标相似实例集，得到目标文本加权向量；利用文本匹配模型训练源文本加权向量和目标文本加权向量，得到匹配结果。挖掘了源文本和目标文本的相似实例信息，更好地构建文本向量层，提高了匹配准确率。
一种近邻增强对比学习训练文本匹配方法

[发明专利]一种降低导频污染的时分双工物联网系统多用户调度方法-CN202310575320.9在审
发明人：王强;潘甦;朱晨鸣;左加阔 -专利权人：中通服咨询设计研究院有限公司
申请日： 2023-05-22 - 公布日： 2023-09-19 - 主分类号： H04B7/0452 文献下载
摘要：本发明公开了一种降低导频污染的时分双工物联网系统多用户调度方法，包括：步骤1，针对物联网通信系统特性，建立基站到物联网终端的上下行通信场景模型；步骤2，选择调度用户；步骤3，所选择的调度用户在上行链路发送导频序列给基站，基站为参与导频训练的用户进行信道估计；步骤4，更新用户的可达速率的后验分布；步骤5，重复步骤2‑4直至满足收敛条件，此时步骤2中选择的调度用户为最优，即完成本方法所述的用户调度。本发明能够降低在时分双工MIMO系统中进行用户调度所产生的导频开销及导频污染，提升信道估计的准确度，从而使系统吞吐量优于现有方法下的系统吞吐量。
一种降低污染时分双工联网系统多用户调度方法

[发明专利]一种5G物联网信道相干且有限反馈条件下的用户调度方法-CN202310273343.4有效
发明人：潘甦;秦志强 -专利权人：南京邮电大学
申请日： 2023-03-21 - 公布日： 2023-07-04 - 主分类号： H04B7/0417 文献下载
摘要：本发明公开了一种5G物联网信道相干且有限反馈条件下基于强化学习的用户调度方法，该方法包括：将5G物联网信道相干环境下用户容量具有弹性这一结论应用于设计用户调度算法中，使得系统可以同时容纳更多的用户，节约了空间资源；根据残留干扰公式，推导相应的用户可达速率表达式，降低计算复杂度，设计以最大化用户可达速率为目标的码字挑选准则；定义用户终端的动作价值为其可实现用户速率的期望，通过Q‑learning方法来估计，将用户终端的Q值定义为其动作价值置信区间的上界，并以Q值的大小作为用户选择的基准。该方法不需要尝试不同的用户组合来计算“速率和”，计算复杂度大大降低且不影响系统吞吐量。
一种联网信道相干有限反馈条件下用户调度方法

[发明专利]基于有限反馈的MU-MIMO无线数据和功率传输系统的能量效率提升方法-CN202010084062.0有效
发明人：潘甦;刘畅 -专利权人：南京邮电大学
申请日： 2020-02-08 - 公布日： 2023-06-09 - 主分类号： H04W24/02 文献下载
摘要：本发明提供了一种基于有限反馈的MU‑MIMO无线数据和功率传输系统的能量效率提升方法，通过建立系统模型和资源分配，利用有限反馈的MU‑MIMO无线数据和功率传输系统进行效率提升，解决了现有技术中存在完全反馈状态下的MU‑MIMO无线功率和数据传输系统无法实现的问题。将复杂的分式优化问题转化为一个等价的整式表达式，然后采用拉格朗日对偶法求解。相比于在实际中假设完全反馈，本发明可获得更大的能量效率。
基于有限反馈 mu mimo 无线数据功率传输系统能量效率提升方法

[发明专利]基于深度强化学习的无线接入网切片切换方法-CN202310123723.X在审
发明人：潘甦;李琨 -专利权人：南京邮电大学
申请日： 2023-02-15 - 公布日： 2023-06-02 - 主分类号： H04W36/16 文献下载
摘要：本申请涉及一种基于深度强化学习的无线接入网切片切换方法。该方法包括：基于无线接入网的网络架构特性，将用户终端选择基站和切片问题构建为马尔可夫决策过程，基于马尔可夫决策过程，构建基于深度强化学习的切片切换模型，采用D3QN算法对基于深度强化学习的切片切换模型进行训练，获得训练好的切片切换模型，用户终端实时获取当前的网络环境状态，将当前的网络环境状态输入训练好的切片切换模型进行无线接入网切片切换分析，确定最优网络切换策略，根据最优网络切换策略，接入对应基站和切片，在用户多样化的QoS的前提下，可以实现最优的传输性能。
基于深度强化学习无线接入切片切换方法

[发明专利]基于深度增强学习的网络资源分配方法-CN201910047058.4有效
发明人：潘甦;张亚楠 -专利权人：南京邮电大学
申请日： 2019-01-18 - 公布日： 2023-05-09 - 主分类号： H04W72/53 文献下载
摘要：本发明揭示了一种基于深度增强学习的网络资源分配方法，包括如下步骤：S1、建立基于缓存的CSCN的下行传输链路系统模型，通过分析用户使用模型中不同链路的数据传输速率计算SBS的数据传输速率；S2、提出博弈问题，以最大化网络吞吐量为目标，使用博弈论将问题公式化为一个多智能体非合作博弈问题；S3、使用LSTM模型来预测用户的移动模式，SBS根据用户的移动模式以及用户所连接的SBS的缓存状态来选择传输条件最优的用户；S4、建立RL‑LSTM框架，使得SBS完成对信道资源的有效分配。本发明充分考虑了用户的移动模式和用户所连接SBS的缓存状态，使得SBS选择传输条件最优的用户，提升了系统的网络吞吐量。
基于深度增强学习网络资源分配方法

[发明专利]一种基于等效带宽的5G无线资源切片和调度的方法-CN202211650681.7在审
发明人：潘甦;盖新超 -专利权人：南京邮电大学
申请日： 2022-12-21 - 公布日： 2023-04-21 - 主分类号： H04W72/0453 文献下载
摘要：本申请涉及一种基于等效带宽的5G无线资源切片和调度的方法，该方法包括：根据用户与基站的收发天线之间的关系，确定用户的用户信道矩阵，以构建接收信号向量进行求解获得用户的等效信道矩阵，并对其进行奇异值分解，得到用户速率函数，并确定空分用户的数量限制条件，对用户速率函数进行拉格朗日级数展开并保留前两项，得到用户需求带宽函数，将用户的最佳功率以及空分用户的数量限制条件带入用户需求带宽函数中，以构建表征了用户所需的等效频谱带宽的等效频谱带宽函数，并构建AC准入策略和资源分配模型，结合马尔科夫模型，采用AC准入策略和资源分配模型对各用户进行资源分配，由此，对用户进行准确的资源分配，避免了资源的浪费。
一种基于等效带宽无线资源切片调度方法

[发明专利]一种基于改进卷积神经网络的Massive MIMO多用户调度方法-CN202211650751.9在审
发明人：潘甦;刘晟 -专利权人：南京邮电大学
申请日： 2022-12-21 - 公布日： 2023-04-18 - 主分类号： H04B7/0413 文献下载
摘要：本申请涉及一种基于改进卷积神经网络的Massive MIMO多用户调度方法。该方法包括：基站按照顺序扫描模拟预编码DFT码本，并结合用户反馈的信道状态信息，从各码本矩阵中选择出最佳码本，以确定5G通信系统下用户的最佳信道矩阵，采用改进后的粒子群算法对卷积神经网络的网络结构参数的进行分析，确定用于Massive MIMO多用户调度的卷积神经网络的网络结构参数，以构建最佳卷积神经网络模型进行训练，获得基于卷积神经网络的Massive MIMO多用户调度模型，在5G通信系统下的工业物联网场景中，将当前待调度用户的最佳信道矩阵，输入Massive MIMO多用户调度模型对当前的最佳调度用户集进行预测，获得最佳调度用户集。由此，降低了计算负载。
一种基于改进卷积神经网络 massive mimo 多用户调度方法

[发明专利]MIMO-OFDMA下行信道中的用户调度和能量效率联合优化方法-CN201711384011.4有效
发明人：潘甦;于邻 -专利权人：南京邮电大学
申请日： 2017-12-20 - 公布日： 2023-04-18 - 主分类号： H04W72/044 文献下载
摘要：本发明公开了MIMO‑OFDMA下行信道用户调度和能量效率联合优化方法，首先建立MIMO‑OFDMA下行链路模型，将每个用户的信道分解成为多个平行信道，计算用户下行速率和用户得到资源块获得的功率；然后进行用户调度，考虑用户端缓存器，将资源块分配给用户当前时延大及信道条件好的用户；最后为用户资源块中的子载波重新进行功率分配，根据用户缓存器的容量确定用户获得的下行速率的最大值和最小值，并以此作为优化问题的限制条件，进行最优化求解。本发明联合优化了用户选择和功率分配，提升了能量效率，同时在功率优化中考虑用户端缓存器对用户下行速率的影响，进一步提升了能量效率，通过使用拉格朗日对偶法将问题进行等效，从而分配功率，获得最优能量效率。
mimo ofdma 下行信道中的用户调度能量效率联合优化方法

[发明专利]一种高动态多普勒及其加速度的多周期联合估计方法-CN202211325979.0在审
发明人：张兆维;刘琳;刘鲁缘;陈家绪;师晓晔;潘甦 -专利权人：南京邮电大学
申请日： 2022-10-27 - 公布日： 2023-04-04 - 主分类号： H04L25/02 文献下载
摘要：本发明公开了一种高动态多普勒及其加速度的多周期联合估计方法，包括：接收ML个码元信号，并对每个码元信号进行快速傅里叶变换；将经过快速傅里叶变换的所述ML个码元信号依次划分到M个累积周期并进行非相干累积，得到M个累积结果；从每个累积结果中，选择ntotal个较大元素，将M‑1个较大元素集合联合构造一个小搜素范围，并根据最大元素的索引，得到每个累积周期内的多普勒估计结果；对M个多普勒估计结果进行最小二乘拟合，得到多普勒加速度估计结果。本发明提出方法利用多个累积周期来来联合构造一个小的搜索范围并滤除更多的噪声，并在此搜索范围内得到多普勒及其加速度，从而提高多普勒的估计性能。
一种动态多普勒及其加速度周期联合估计方法

[发明专利]一种基于强化学习的M2M通信中中继节点的选择方法-CN202010040442.4有效
发明人：潘甦;吴子秋 -专利权人：南京邮电大学
申请日： 2020-01-15 - 公布日： 2023-03-24 - 主分类号： H04W4/70 文献下载
摘要：本发明揭示了一种基于强化学习的M2M通信中中继节点的选择方法，包括如下步骤：S1、搭建强化学习模型框架，确定强化学习的动作集、状态集以及奖赏值；S2、对强化学习模型的框架进行细化；S3、根据具体问题对强化学习模型进行迭代循环；S4、根据训练结果对强化学习模型进行调整，应用调整后的强化学习模型进行中继节点的选择。本发明将每次通信的能量消耗情况与为中继节点供能的电池的能量均衡情况都纳入强化学习的目标中，使系统在减少能量消耗与实现能量均衡中达到平衡，避免了能量失衡、延长了整个系统的使用寿命。
一种基于强化学习 m2m 通信中继节点选择方法

[发明专利]一种基于改进遗传算法的蜂窝网络资源分配方法-CN202110579983.9有效
发明人：潘甦;徐世凡 -专利权人：南京邮电大学
申请日： 2021-05-26 - 公布日： 2023-03-21 - 主分类号： H04W16/10 文献下载
摘要：一种基于改进遗传算法的蜂窝网络资源分配方法，提出一种启用缓存的蜂窝网络架构，根据用户请求资源在基站处是否存在有不同的传输链路，结合用户关联，将资源分配问题转化为求解约束优化问题，引入改进的遗传算法对优化问题进行求解，完成资源分配。在改进的遗传算法中，设计了适应性函数、自适应交叉和变异概率、交叉和变异算子，有较好的全局搜索能力，不易陷入局部最优，收敛速度快。结合缓存设置和合理的分配策略，可以提高整个系统的吞吐量。
一种基于改进遗传算法蜂窝网络资源分配方法

1
2
3
4
5
6
下一页»
尾页
共 89 条