CN115550994A - 一种与源址无关的分布式状态监测方法 - Google Patents
一种与源址无关的分布式状态监测方法 Download PDFInfo
- Publication number
- CN115550994A CN115550994A CN202211201368.5A CN202211201368A CN115550994A CN 115550994 A CN115550994 A CN 115550994A CN 202211201368 A CN202211201368 A CN 202211201368A CN 115550994 A CN115550994 A CN 115550994A
- Authority
- CN
- China
- Prior art keywords
- state
- time slot
- observation
- index
- state variable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种与源址无关的分布式状态监测方法。本发明基于与源址无关的随机接入协议,所有传感器共享一个公共码本,融合中心只需恢复传输的消息序列而不关心活跃传感器的身份信息。首先,激活传感器观测部分状态变量并将观测结果上行传输至融合中心,融合中心对观测信息进行处理、估计全局状态向量并广播关于状态变量估计的可靠性指标,然后传感器根据可观测状态变量估计的可靠性指标决定在下一个时隙内的激活概率,直到对***中所有状态变量的估计都可靠则任务完成。本方案实现了利用少量时隙传输,高效地完成对***全局状态向量的准确观测。
Description
技术领域
本发明涉及无线通信领域,尤其涉及一种与源址无关的分布式状态监测方法。
背景技术
随着物联网的快速发展,物联网设备的数量有了大幅增长。大量的物联网设备可以支持多样的物联网应用,关键是要提供快速、可靠的接入。传统的免授权随机接入技术不适用于物联网场景。这是由于在免授权随机接入方案中,每个***都被分配了一个特定的导频序列且***数量庞大,这样的导频开销是不可接受的。为了解决这一问题,一种与源址无关的随机接入技术被提出。在该方案中,所有***共享一个公共码本,基站端只需恢复传输的消息序列而不关心活跃用户的身份。由于用户无需传输导频序列,该方案可以避免高昂的导频开销,满足了物联网场景的关键需求。
在物联网场景下有多样的物联网应用,其中一个应用是分布式状态监测。在分布式状态监测任务中,多个传感器在不同位置观测***的输出并将观测结果发送至融合中心,估计全局的***状态向量。对于一个典型的线性***,每个传感器只能获取对全局状态向量中部分状态变量的观测,融合中心只关注于嵌入在观测中的状态信息而不是哪个传感器发送的。由于传感器传输的无源性,可以以基于与源址无关的随机接入协议进行上行传输。然而,由于一个传感器只能获取对部分状态变量的观测且同一时刻只有少量传感器激活,仅通过一个时隙的传输对全局状态向量的观测存在不充分性。另外,由于检测过程可能存在漏检、误检,会导致对全局状态向量观测的不准确性。对状态变量观测的不充分性和不准确性使得需要多个时隙的观测才能获取对***全局状态向量的准确观测。然而,在现有的与源址无关的随机接入协议中,为了解决公共码本维度过高的问题,用户先将信息序列分为若干个子块,然后添加校验比特建立不同信息子块间的校验关系。在接收端先检测所有传输的信息子块,然后使用树形译码器进行译码、拼接恢复出原始的信息序列。这样做需要大量的校验比特保证译码的准确性,使得传输码率较低。由于传输码率较低且需要多个时隙的观测,使得完成分布式状态监测任务的效率低下。因此,如何设计一种方案使得传感器能快速、准确地完成对***全局状态向量的估计成为了关键性问题。
发明内容
本发明的目的是为物联网场景下的分布式状态监测任务提出了一种高效的与源址无关的分布式状态监测方法。
本发明所采用的具体技术方案如下:
一种与源址无关的分布式状态监测方法,其特征在于包括如下步骤:
S1、激活传感器,获取对整个监测区***状态的观测并生成状态索引,把获取到的每个状态的观测结果和状态索引拼接成信息子块,将信息子块进行编码后通过无线信道发送至融合中心;
S2、融合中心从接收信号中检测、估计出传感器传输的码字对应的信息子块和相应的叠加信道增益值;
S3、融合中心根据每个状态变量由多个传感器观测的若干观测值和每个观测值的信道增益,得到该状态变量的估计值以及该估计值的可靠性指标;当该状态变量的可靠性指标大于设定的可靠性阈值时,则表明对该状态变量的观测是可靠的;
S4、将整个监测区分为不同的区域,融合中心广播每个状态变量估计值的可靠性指标,如果一个区域内对所有可观测状态变量的估计都是可靠的,那么对这个区域的状态变量估计已完成;融合中心指示那些未完成状态估计区域内的传感器在下一个时隙内激活,所有传感器根据可观测状态变量的可靠性指标决定在下一次传输过程中的激活概率;
S5、不断执行步骤S1至步骤S4的过程直到融合中心获取了对监测区***所有状态变量的可靠估计。
步骤S1中所述的编码方法为:
设置码本其中代表复数域,A的每一列都表示一个码字,码字共有个,每个码字的长度为Lc;整个***共有No个状态,第j个状态向量用表示,长度为bs比特;该状态的索引向量用表示,长度为bI比特;信息子块长度为Nm=bI+bs比特。将一个时隙分为T个子时隙;对于其中的第t个子时隙,第k个激活传感器,将要发送的Nm比特信息子块映射成取值范围为1到的整数第k个激活传感器将码本A中的第列表示的码字发送至融合中心。
步骤S2中所述的检测、估计方法为:
在物联网场景中,共有Ktotal个传感器,一次传输过程中仅Ka个传感器激活,即Ka<<Ktotal;接收信号可以表示为Y=AΔH+Z=AX+Z,其中表示所有传感器的信道;表示选择矩阵,Δ矩阵中的元素δn,k表示第k个传感器是否传输了第n个码字;Z为噪声且服从均值为0的复高斯分布;向量的每一个非零元素表示传输这个码字的传感器到融合中心的信道增益;
使用压缩感知方法从接收信号Y中恢复出向量X,得到传感器传输的码字和相应的信道增益幅值集合;然后根据码字索引,将其转化为二进制向量,此二进制向量为用户发送的信息子块;在第l个时隙内的第t个子时隙,对于第n个码字,将其转化为二进制向量得到信息子块该码字相应的信道增益幅值为其中|·|表示取幅值,角标(l,t)表示第l个时隙内的第t个子时隙;令检测到的码字索引集合为检测到的信息子块集合为叠加信道增益集合为
步骤S3中所述的可靠性指标计算方法为:
在第l个时隙内,能够获得T个子时隙内的和从中的一个元素能够获得对第j个状态变量的第b个观测值其中角标(l)表示第l个时隙;若第j个状态变量被不同的传感器观测到,将同一个观测值对应的不同信道增益幅值叠加得到相应的叠加信道增益幅值最终经过第l个时隙的观测,对于第j个状态变量的所有观测值构成一个观测值集合每个观测值对应的叠加信道增益幅值构成叠加信道增益幅值集合其中|·|c表示一个集合的元素个数;
其中f(x)为sigmoid函数的截断和放缩,可以表示为
步骤S4中所述的过程为:
令则第k个传感器在第l+1个时隙内的激活概率 可以表示为其中Ok表示第k个传感器能够观测到的状态变量索引集合,即 表示Ok是{1,2,...,No}的子集;表示第j个状态变量的可靠性指标对第k个传感器在第l+1个时隙内激活概率的贡献权重
整个待观测区域被分为Na个区域,第na个区域内传感器能观测到的状态索引集合为以一个区域为单位进行状态变量估计,如果一个区域内对所有可观测状态变量的估计都是可靠的,那么可以认为对这个区域的状态变量估计已完成;
融合中心只需指示那些分布在其他区域内的传感器在下一个时隙内激活;在下一个时隙的传输中,希望尽可能少的区域激活就能使得所有待观测的状态变量被覆盖;将这个问题建模为一个集合覆盖的最佳化问题,如下所示:
矩阵表示不同区域内能观测到的状态变量;为矩阵B的元素,表示第na个区域内的传感器是否能获取对第j个状态变量的观测;表示选择第na个区域的代价,的值被设置为1;表示是否选择第na个区域;表示至少一个激活区域内的传感器获取对第j个状态变量的观测;
采用贪婪算法求解这个集合覆盖的最佳化问题,令表示一个集合,该集合内的元素为在第l+1个时隙内需要继续观测的状态变量的索引;令表示一个集合,该集合内的元素为含有经过第l个时隙观测后不可靠状态变量估计区域的索引;在集合内,每次选取第na个区域,其中na可以表示为 表示第na个区域内传感器能观测到的状态索引集合;然后将索引na从集合中移除并加入集合其中集合表示在第l+1个时隙内需要激活区域的索引集合;重复上述选择过程直到其中表示所有的na属于∪·表示对所有的取并集;最终将包含在第l+1个时隙内需要激活区域的索引;
在一个传输时隙内,激活传感器的数量将被控制;分布在第个区域内的第个传感器的激活概率为 表示第na个区域内的传感器索引集合,其中p0表示在第一个时隙内传感器的激活概率,具体数值要根据场景的情况设定;表示第l+1个时隙内第k个传感器的激活概率,根据得到;除了第na个区域之外的其他区域内的传感器在下一个传输时隙内保持休眠。
本发明具有的有益效果是:本发明提出的与源址无关的分布式状态观测方法,采用多个时隙传输的方案,解决了一个时隙传输使得对全局状态向量观测的不充分和不准确的问题。另外,还解决了现有方法使用大量校验比特,码率较低,完成分布式状态监测任务效率低下的问题。本方案实现了利用少量时隙传输,高效地完成对***全局状态向量的准确观测。
附图说明
图1是本发明实施例提供的分布式状态监测的场景示意图;
图2是本发明实施例提供的状态变量数处于不同值下分布式状态监测方法与基线方法比较时,平均传输时隙数与信噪比的关系图;
图3是本发明实施例提供的状态变量数处于不同值下分布式状态监测方法与基线方法比较时,状态变量估计的最小均方误差与最大允许传输时隙数的关系图。
具体实施方式
以下结合附图对本发明具体实施方式作进一步详细说明。
本实施例中,分布式状态监测的场景图如图1所示。场景中有一个融合中心,分布着多个传感器。每个时隙内,仅有少量传感器激活,获取对***状态向量的观测,并以与源址无关的随机接入协议将观测结果上传至融合中心。融合中心对接收信号进行处理、估计***的全局状态向量,并将每个状态变量估计的可靠性指标广播给所有传感器。传感器根据可观测状态变量估计的可靠性指标决定在下一个传输时隙内的激活概率。传输过程持续直到融合中心获取了对***所有状态变量的可靠估计。
本实施例提供了一种与源址无关的分布式状态监测方法,其包括如下步骤:
1)在物联网场景中,激活设备获取对***状态的观测后,把对每个状态的观测结果和状态索引拼接成信息子块,将信息子块进行编码后通过无线信道发送至融合中心。
在本步骤中,编码方法为:
设置码本其中代表复数域,A的每一列都表示一个码字,码字共有个,每个码字的长度为Lc;整个***共有No个状态,第j个状态向量用表示,长度为bs比特;该状态的索引向量用表示,长度为bI比特;信息子块长度为Nm=bI+bs比特;将一个时隙分为T个子时隙;对于其中的第t个子时隙,第k个激活传感器,将要发送的Nm比特信息子块映射成取值范围为1到的整数第k个激活传感器将码本A中的第列表示的码字发送至融合中心。
2)融合中心从接收信号中检测、估计出传感器传输的码字对应的信息子块和相应的叠加信道增益值。
在本步骤中,检测、估计方法为:
在物联网场景中,共有Ktotal个传感器,一次传输过程中仅Ka个传感器激活,即Ka<<Ktotal;接收信号可以表示为Y=AΔH+Z=AX+Z,其中表示所有传感器的信道;表示选择矩阵,Δ矩阵中的元素δn,k表示第k个传感器是否传输了第n个码字;Z为噪声且服从均值为0的复高斯分布;向量的每一个非零元素表示传输这个码字的传感器到融合中心的信道增益;
使用压缩感知方法从接收信号Y中恢复出向量X,得到传感器传输的码字和相应的信道增益幅值集合;然后根据码字索引,将其转化为二进制向量,此二进制向量为用户发送的信息子块;在第l个时隙内的第t个子时隙,对于第n个码字,将其转化为二进制向量得到信息子块该码字相应的信道增益幅值为其中|·|表示取幅值,角标(l,t)表示第l个时隙内的第t个子时隙;令检测到的码字索引集合为检测到的信息子块集合为叠加信道增益集合为
3)融合中心根据每个状态变量的若干个观测值和每个观测值的信道增益得到该状态变量的估计值以及该估计值的可靠性指标。
在本步骤中,可靠性指标计算方法为:
在第l个时隙内,能够获得T个子时隙内的和从中的一个元素能够获得对第j个状态变量的第b个观测值其中角标(l)表示第l个时隙;若第j个状态变量被不同的传感器观测到,将同一个观测值对应的不同信道增益幅值叠加得到相应的叠加信道增益幅值最终经过第l个时隙的观测,对于第j个状态变量的所有观测值构成一个观测值集合每个观测值对应的叠加信道增益幅值构成叠加信道增益幅值集合其中|·|c表示一个集合的元素个数;
其中f(x)为sigmoid函数的截断和放缩,可以表示为
4)融合中心广播每个状态变量估计值的可靠性指标,所有传感器根据可观测状态变量的可靠性指标决定在下一次传输过程中的激活概率。
在本步骤中,传感器决定激活概率的方法为:
令则第k个传感器在第l+1个时隙内的激活概率 可以表示为其中Ok表示第k个传感器能够观测到的状态变量索引集合,即 表示Ok是{1,2,...,No}的子集;表示第j个状态变量的可靠性指标对第k个传感器在第l+1个时隙内激活概率的贡献权重
整个待观测区域被分为Na个区域,第na个区域内传感器能观测到的状态索引集合为以一个区域为单位进行状态变量估计,如果一个区域内对所有可观测状态变量的估计都是可靠的,那么可以认为对这个区域的状态变量估计已完成;
融合中心只需指示那些分布在其他区域内的传感器在下一个时隙内激活;在下一个时隙的传输中,希望尽可能少的区域激活就能使得所有待观测的状态变量被覆盖;将这个问题建模为一个集合覆盖的最佳化问题,如下所示:
矩阵表示不同区域内能观测到的状态变量;为矩阵B的元素,表示第na个区域内的传感器是否能获取对第j个状态变量的观测;表示选择第na个区域的代价,的值被设置为1;表示是否选择第na个区域;表示至少一个激活区域内的传感器获取对第j个状态变量的观测;
采用贪婪算法求解这个集合覆盖的最佳化问题,令表示一个集合,该集合内的元素为在第l+1个时隙内需要继续观测的状态变量的索引;令表示一个集合,该集合内的元素为含有经过第l个时隙观测后不可靠状态变量估计区域的索引;在集合内,每次选取第na个区域,其中na可以表示为 表示第na个区域内传感器能观测到的状态索引集合;然后将索引na从集合中移除并加入集合其中集合表示在第l+1个时隙内需要激活区域的索引集合;重复上述选择过程直到其中表示所有的na属于∪·表示对所有的取并集;最终将包含在第l+1个时隙内需要激活区域的索引;
在一个传输时隙内,激活传感器的数量将被控制;分布在第个区域内的第个传感器的激活概率为 表示第na个区域内的传感器索引集合,其中p0表示在第一个时隙内传感器的激活概率,具体数值要根据场景的情况设定;表示第l+1个时隙内第k个传感器的激活概率,根据得到;除了第na个区域之外的其他区域内的传感器在下一个传输时隙内保持休眠。
5)不断执行步骤1)至步骤4)的过程直到融合中心获取了对***所有状态变量的可靠估计。
通过计算机仿真可以看出:如图2所示,本发明的分布式状态监测方案相较于基线的随机激活方案,在相同的信噪比条件下,完成对***全局状态观测所需的平均传输时隙数有明显的下降。图3表明本发明提出的分布式状态监测方案,相较于基线的随机激活方案,可以使得经过少量的时隙传输,状态变量估计的最小均方误差有明显下降。这些优势主要是是因为本文方案利用了每个时隙对全局状态向量估计的结果指导传感器在下一个时隙内的传输。因此,本发明提出的与源址无关的分布式状态监测方案提供了一种高效的***全局状态向量估计方法。
上述实施例用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范围。
Claims (5)
1.一种与源址无关的分布式状态监测方法,其特征在于,包括如下步骤:
S1、激活传感器,获取对整个监测区***状态的观测并生成状态索引,把获取到的每个状态的观测结果和状态索引拼接成信息子块,将信息子块进行编码后通过无线信道发送至融合中心;
S2、融合中心从接收信号中检测、估计出传感器传输的码字对应的信息子块和相应的叠加信道增益值;
S3、融合中心根据每个状态变量由多个传感器观测的若干观测值和每个观测值的信道增益,得到该状态变量的估计值以及该估计值的可靠性指标;当该状态变量的可靠性指标大于设定的可靠性阈值时,则表明对该状态变量的观测是可靠的;
S4、将整个监测区分为不同的区域,融合中心广播每个状态变量估计值的可靠性指标,如果一个区域内对所有可观测状态变量的估计都是可靠的,那么对这个区域的状态变量估计已完成;融合中心指示那些未完成状态估计区域内的传感器在下一个时隙内激活,所有传感器根据可观测状态变量的可靠性指标决定在下一次传输过程中的激活概率;
S5、不断执行步骤S1至步骤S4的过程直到融合中心获取了对监测区***所有状态变量的可靠估计。
3.根据权利要求2所述的一种与源址无关的分布式状态监测方法,其特征在于,所述步骤S2中所述的检测、估计方法为:
在物联网场景中,共有Ktotal个传感器,一次传输过程中仅Ka个传感器激活,即Ka<<Ktotal;接收信号可以表示为Y=AΔH+Z=AX+Z,其中表示所有传感器的信道;表示选择矩阵,Δ矩阵中的元素δn,k表示第k个传感器是否传输了第n个码字;Z为噪声且服从均值为0的复高斯分布;向量的每一个非零元素表示传输这个码字的传感器到融合中心的信道增益;
4.根据权利要求3所述的一种与源址无关的分布式状态监测方法,其特征在于,所述步骤S3中所述的可靠性指标计算方法为:
在第l个时隙内,能够获得T个子时隙内的和从中的一个元素能够获得对第j个状态变量的第b个观测值其中角标(l)表示第l个时隙;若第j个状态变量被不同的传感器观测到,将同一个观测值对应的不同信道增益幅值叠加得到相应的叠加信道增益幅值最终经过第l个时隙的观测,对于第j个状态变量的所有观测值构成一个观测值集合每个观测值对应的叠加信道增益幅值构成叠加信道增益幅值集合其中|·|c表示一个集合的元素个数;
其中f(x)为sigmoid函数的截断和放缩,可以表示为
5.根据权利要求4所述的一种与源址无关的分布式状态监测方法,其特征在于,步骤S4具体包括:
令则第k个传感器在第l+1个时隙内的激活概率 可以表示为其中Ok表示第k个传感器能够观测到的状态变量索引集合,即 表示Ok是{1,2,...,No}的子集;表示第j个状态变量的可靠性指标对第k个传感器在第l+1个时隙内激活概率的贡献权重
整个待观测区域被分为Na个区域,第na个区域内传感器能观测到的状态索引集合为以一个区域为单位进行状态变量估计,如果一个区域内对所有可观测状态变量的估计都是可靠的,那么可以认为对这个区域的状态变量估计已完成;
融合中心只需指示那些分布在其他区域内的传感器在下一个时隙内激活;在下一个时隙的传输中,希望尽可能少的区域激活就能使得所有待观测的状态变量被覆盖;将这个问题建模为一个集合覆盖的最佳化问题,如下所示:
矩阵表示不同区域内能观测到的状态变量;为矩阵B的元素,表示第na个区域内的传感器是否能获取对第j个状态变量的观测;表示选择第na个区域的代价,的值被设置为1;表示是否选择第na个区域;表示至少一个激活区域内的传感器获取对第j个状态变量的观测;
采用贪婪算法求解这个集合覆盖的最佳化问题,令表示一个集合,该集合内的元素为在第l+1个时隙内需要继续观测的状态变量的索引;令表示一个集合,该集合内的元素为含有经过第l个时隙观测后不可靠状态变量估计区域的索引;在集合内,每次选取第na个区域,其中na可以表示为 表示第na个区域内传感器能观测到的状态索引集合;然后将索引na从集合中移除并加入集合其中集合表示在第l+1个时隙内需要激活区域的索引集合;重复上述选择过程直到其中表示所有的na属于∪·表示对所有的取并集;最终将包含在第l+1个时隙内需要激活区域的索引;
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211201368.5A CN115550994A (zh) | 2022-09-29 | 2022-09-29 | 一种与源址无关的分布式状态监测方法 |
PCT/CN2023/086658 WO2024066284A1 (zh) | 2022-09-29 | 2023-04-06 | 一种与源址无关的分布式状态监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211201368.5A CN115550994A (zh) | 2022-09-29 | 2022-09-29 | 一种与源址无关的分布式状态监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115550994A true CN115550994A (zh) | 2022-12-30 |
Family
ID=84732220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211201368.5A Pending CN115550994A (zh) | 2022-09-29 | 2022-09-29 | 一种与源址无关的分布式状态监测方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115550994A (zh) |
WO (1) | WO2024066284A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2963454B1 (fr) * | 2010-07-27 | 2013-11-01 | Thales Sa | Procede de determination optimale des caracteristiques et de la disposition d'un ensemble de senseurs de surveillance d'une zone |
CN111835464B (zh) * | 2020-07-14 | 2021-06-25 | 浙江大学 | 一种与源址无关的大规模合作接入方法 |
KR102426289B1 (ko) * | 2020-11-27 | 2022-07-28 | 서울대학교산학협력단 | 심층 신경망을 이용한 활성 단말 검출과 채널 추정 방법 및 장치 |
CN113194548B (zh) * | 2021-03-30 | 2022-05-20 | 浙江大学 | 一种智能超表面辅助的大规模无源随机接入方法 |
CN114285523B (zh) * | 2021-12-24 | 2023-09-15 | 西安交通大学 | 面向多业务需求的大规模mtc免授权多用户检测方法及*** |
-
2022
- 2022-09-29 CN CN202211201368.5A patent/CN115550994A/zh active Pending
-
2023
- 2023-04-06 WO PCT/CN2023/086658 patent/WO2024066284A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024066284A1 (zh) | 2024-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107743103B (zh) | 基于深度学习的mmtc***的多节点接入检测和信道估计方法 | |
KR960703296A (ko) | 직교형으로 인코딩된 데이터 신호를 디코딩하기 위한 방법 및 장치 (receiver for a direct sequence spread spectrum orthogonally encoded signal employing rake principle) | |
Blum | Necessary conditions for optimum distributed sensor detectors under the Neyman-Pearson criterion | |
Niu et al. | Target location estimation in wireless sensor networks using binary data | |
CN102651229B (zh) | 半导体装置和数据处理方法 | |
CN110224771B (zh) | 基于bp神经网络与信息几何的频谱感知方法及装置 | |
CN111447160B (zh) | 基于神经网络的大规模mimo无源随机接入的信号检测方法 | |
CN111835464B (zh) | 一种与源址无关的大规模合作接入方法 | |
CN104065470A (zh) | 一种混沌无线通信及发送编码方法 | |
US20180232574A1 (en) | Systems and Methods for Transmitting and Receiving Data Using Machine Learning Classification | |
CN115550994A (zh) | 一种与源址无关的分布式状态监测方法 | |
CN114757224A (zh) | 一种基于持续学习和联合特征提取的特定辐射源识别方法 | |
CN107769824A (zh) | 联合多天线的稀疏贝叶斯学习的用户检测方法及*** | |
KR20210128161A (ko) | 인지 무선 통신을 위한 순환 신경망 기반 스펙트럼 센싱 방법 및 장치 | |
CN112284704A (zh) | 一种基于测试矩阵的旋转设备故障诊断方法、***及可读存储介质 | |
US8374229B2 (en) | Method for the detection and generation of a useful signal and associated devices and communications system | |
CN104104390A (zh) | 一种信号压缩方法和重构方法及相关装置和*** | |
CN108616323A (zh) | 基于动态多峰组合的ccsk信号改进方法 | |
KR20220038623A (ko) | 검출 방법 및 장치 | |
US20120076232A1 (en) | Coder and Decoder, Coding Method and Decoding Method, and System Comprising a Coder and a Decoder | |
CN110784887B (zh) | 网格化无线电信号监测***中异常信号源数量的检测方法 | |
CN110022527B (zh) | 一种基于测量值量化的压缩感知无源被动式目标定位方法 | |
Achituve et al. | Communication efficient distributed learning over wireless channels | |
KR100752066B1 (ko) | 코딩/디코딩 방법과 장치 | |
US12025678B2 (en) | Communication interference avoidance and prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |