Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 上海大学曾丹获国家专利权

上海大学曾丹获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉上海大学申请的专利动态通感一体化网络下的节点选择与波束赋形设计方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120358545B

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510845844.4,技术领域涉及:H04W28/06;该发明授权动态通感一体化网络下的节点选择与波束赋形设计方法是由曾丹;顾忆宵;夏斌;周弈凡设计研发完成,并于2025-06-24向国家知识产权局提交的专利申请。

动态通感一体化网络下的节点选择与波束赋形设计方法在说明书摘要公布了:本发明公开一种节动态通感一体化网络下的节点选择与波束赋形设计方法,包括:步骤S1、构建动态通感一体化网络系统的通信与感知模型;步骤2、根据动态通感一体化网络系统的通信与感知模型,构建动态通感一体化网络的通信性能、感知性能和时延性能表示;步骤S3、根据动态通感一体化网络的通信性能、感知性能和时延性能表示,构建动态通感一体化网络的节点选择与波束赋形的优化模型;步骤S4、将优化模型表述为马尔可夫决策过程并使用深度强化学习求解,得到节点选择方案和波束赋形的设计方案。采用本发明的技术方案,实现通信与感知性能的权衡。

本发明授权动态通感一体化网络下的节点选择与波束赋形设计方法在权利要求书中公布了:1.一种动态通感一体化网络下的节点选择与波束赋形设计方法,其特征在于,包括: 步骤S1、构建动态通感一体化网络系统的通信与感知模型; 步骤2、根据动态通感一体化网络系统的通信与感知模型,构建动态通感一体化网络的通信性能、感知性能和时延性能表示; 步骤S3、根据动态通感一体化网络的通信性能、感知性能和时延性能表示,构建动态通感一体化网络的节点选择与波束赋形的优化模型; 步骤S4、将优化模型表述为马尔可夫决策过程并使用深度强化学习求解,得到节点选择方案和波束赋形的设计方案; 动态通感一体化网络的节点选择与波束赋形的优化模型为: 其中,ρ是感知性能的权重,1-ρ是时延的权重,Pt是每个节点的最大发射功率阈值,Rth是每个通信用户的最小通信速的阈值,τth是每个感知请求的最大时延阈值;al是系统在时隙l时采取的动作;Wl为多节点波束赋形矩阵集合;Wnl是在时隙l时基站n的波束赋形矩阵;是其共轭转置矩阵,是感知请求的平均参数估计;是平均感知延迟,n、m和l分别表示基站、目标和时隙的索引,表示基站n的用户c的通信速率,表示目标m在时隙l时产生的感知请求承受的时延; 步骤S4中,采用马尔可夫决策过程进行建模与策略学习,马尔可夫决策过程由四元组S,A,P,R定义,其中:S表示状态空间,刻画感知请求、信道状态、时延约束等信息;A表示动作空间,反映系统当前的节点选择与波束赋形决策;P为状态转移概率;R为即时奖励函数,用以量化每步决策对整体优化目标的影响;在每个时隙l,处理器观察当前系统状态sl,并根据当前策略选择动作al;执行动作后,系统获得即时奖rl,并依据状态转移概率转移至下一状态sl+1,不断进行策略更新;为了满足终态约束同时实现最优累积回报,不断迭代学习最优策略π*s,从而完成对原始优化问题逼近,具体包括: 步骤S41、在每个时隙,动态通感一体化网络系统状态包括感知请求、时变信道条件、多节点在上一时隙中采取的节点选择方案和波束赋形方案,即 其中,λml表示时隙l下目标m的感知请求,表示时隙l下基站n与其通信用户cn的通信信道,gn,ml表示时隙l下基站n与目标m的感知信道,是时隙l-1时感知目标选择变量,当时表示基站n对目标m执行感知,反之当时表示基站n不对目标m执行感知;Wnl-1表示在时隙l-1时基站n的波束赋形矩阵; 步骤S42、动态通感一体化网络系统的动作包含节点选择方案和波束赋形方案,即 步骤S43、优化目标是在满足通信用户的速率约束、系统的发射功率约束和每个感知请求的时延约束的情况下最大限度地减少感知请求的平均CRB和平均时延;使用即时奖励函数rl用于度量系统在每个时隙的决策效果;优化目标从原始约束模型转化为最大化该奖励函数的期望值;时隙l的即时奖励rl的计算公式为: 其中,是优化目标, 是归一化的通信速率阈值约束, 是归一化的响应时延阈值约束, 是归一化的发射功率约束;动态通感一体化网络系统具有N个配备MIMO天线的通感一体节点,每个节点为C个通信用户提供通信服务;B表示所有感知请求的个数; 步骤S44、采用无模型Q-learning强化学习方法,用于在未知状态转移概率的动态环境下学习资源分配与调度策略;通过与环境交互迭代更新动作值函数Q-value,并利用即时奖励函数作为优化目标的评估依据,实现对原始优化问题的无模型求解;最终收敛到的最优策略可以有效最小化感知任务时延与系统发射功率,同时满足速率与响应约束。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人上海大学,其通讯地址为:200444 上海市宝山区上大路99号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。