本发明提供一种光网络多模态数据融合和告警识别方法及装置，涉及数据处理技术领域，包括:从光网络中采集多模态告警数据，将所述多模态数据输入到多模态Transformer模型中；多模态Transformer模型利用位置嵌入、跨模态注意力和自注意力机制，将不同模态的数据进行融合，得到融合后的多模态数据；将所述融合后的多模态数据输入到DNN模型中，输出所述光网络的告警识别结果。

 本发明提供一种无人机基站组网通信系统的基站位置优化方法和装置，属于通信技术领域，包括:初始化粒子集群中的每个粒子的粒子位置和粒子速度；根据粒子集群中每个粒子的粒子位置计算粒子集群中每个粒子的适应度，得到适应度集合；将粒子集群中的每个粒子作为当前粒子执行更新步骤，得到更新后的适应度集合；循环执行更新步骤预设次数后，得到目标适应度集合；基于全局粒子最优位置对无人机基站集群进行位置调整。本发明提供的无人机基站组网通信系统的基站位置优化方法，解决了相关技术中的无人机基站组网通信系统的基站位置优化方法，存在无法合理部署无人机基站的最优位置，导致影响通信效果的技术问题。

 本发明公开一种基于经验贝叶斯方法处理转移概率未知或者信号先验和转移概率均未知的信号重构。对于广义线性模型当中转移概率未知的问题，建立基于经验贝叶斯估计转移概率模型，从而获得广义线性模型的转移概率。根据估计出的转移概率以及状态更新方程，得到一个标量模型，可以建立一个基于经验贝叶斯估计先验的概率模型，从而获得未知信号的先验分布。对基于经验贝叶斯估计转移概率模型和基于经验贝叶斯估计先验的概率模型加入到算法当中，进行信号恢复。算法通过迭代计算，不断更新信号估计值，直至达到收敛条件，实现对原始信号的准确恢复。本发明通过经验贝叶斯估计解决转移概率未知或者信号先验和转移概率均未知下也能对信号进行重构。

 本发明公开了一种均衡成本与检测精度的蓝牙信标传感器布设优化方法:1)在真实环境中采集RSSI数据并进行分析和参数拟合，得到RSSI‑距离关系模型；2)设计信标的布设方式并分析其对定位精度的影响，考虑成本与定位精度，对信标布设方式进行优化建模。本发明可以有效地建立一种考虑成本和定位精度因素的蓝牙信标传感器布设方式优化模型，为基于蓝牙信标传感器的定位方法的实施提供指导，从而能根据实际环境、成本预算、精度要求等条件，优选出最合适的信标布设方式。

 本发明公开了一种基于RIS辅助的MU‑MISO通信系统的智能波束成形设计方法，提出了一种基于CSI的DDPG模型，用于联合优化基站的主动发射波束成形矩阵和RIS的反射系数向量，利用强化学习技术，通过与环境的交互，自适应地优化通信系统的波束成形参数，从而在实际信道条件下实现最优传输性能。本发明提出的算法在不同发射功率和RIS反射单元数量下均表现出良好的鲁棒性和收敛性，显著提高了MU‑MISO通信系统的传输速率。此外，该算法能够有效应对快速变化的信道环境，为RIS在实际无线通信系统中的应用提供了重要支持。本发明通过将强化学习与波束成形技术相结合，提出了一种高效的联合优化方法，为未来6G通信系统的发展提供了新思路，具有重要的应用前景和实际价值。

 本发明涉及相干光OFDM系统中一种投影直方图抑制相位噪声的方法。该方法先对循环前缀进行线性处理，以降低载波间干扰(ICI)的功率，对相位噪声进行初步的抑制。然后利用少量导频得到相位噪声的粗略估计后，使用伪导频辅助进一步对相位噪声进行抑制，最后两次利用投影直方图对相位噪声进行补偿，以此来提高时间分辨率和抑制精度。仿真结果表明:该算法在16阶正交振幅调制(16QAM)下，激光线宽为100kHz时，较传统投影直方图的补偿效果有所提高，且有效提高了频谱利用率。

 本发明公开了一种基于空间谱估计和地图匹配的一体化定位方法，通过提供一种基于空间谱估计和地图匹配的两阶段通信感知一体化定位方法，构建一个基于正交频分复用的通感一体蜂窝系统模型，在该系统里的设备都可以同时发送和接收通信信号波形以此完成单目标设备定位。特别是，考虑了正交频分复用方案用于通信信号传输，因此结果与5G及以后的蜂窝网络兼容。在这种设置下提出了两阶段定位框架。在第一阶段，利用遗传算法的并行性、全局寻优性和简单性，对传统的多信号分类算法进行了改进，最终实现了目标的距离、到达方向(AOA)和到达俯仰角(EOA)的联合估计。

 基于STL分解的多尺度混合基站流量预测系统，包括如下模块:多尺度时间分解模块：该模块的功能是将基站流量数据进行多尺度分解；基于STL的时间混合模块：该模块的功能是将多尺度时间分解模块所得到高维空间的多尺度子序列进行STL分解，分解为季节项、趋势项、残差项三个部分，并通过不同的采样方法对时间序列进行建模；未来多预测混合模块：该模块的功能是整合不同时间尺度的预测结果，通过动态权重调整，计算最终预测结果；本发明系统通过多尺度时间分解技术，能够在大规模通信网络环境下，有效提升预测精度、实时性和计算效率。

 本发明涉及通信技术领域，特别涉及灾后无人机通感系统的任务调度与资源分配方法及装置。方法包括:无人机补充失效的基站，对潜在的感知目标进行监测；将通信惩罚指数和感知惩罚指数作为在无人机能量约束下的优化目标；建立联合任务调度和资源分配模型，最小化通信性能指标和感知性能指标的加权和；将优化问题重新表述为马尔可夫决策过程；构建软演员‑评论家算法SAC更新MDP，将迁移学习应用于软演员‑评论家算法SAC，当基站可用性发生变化时，将已训练模型的参数转移到更新后的MDP中。实验结果表明，SAC在通信和感知性能以及收敛速度上均优于基线算法。基于迁移学习的SAC在基站可用性突然变化时表现出更快的收敛速度和更好的鲁棒性。

 本发明公开了一种基于深度学习的室内可见光融合定位方法，包括以下步骤；步骤1:采集不同位置下可见光的AoA信息和UWB的距离信息数据，并进行数据预处理，再将其变换为二维矩阵格式，便于网络输入；步骤2：构建网络模型，用于提取预处理后数据的特征，并进行特征融合，对融合后的特征进行处理，输出获取数据的定位连续坐标值；步骤3：训练网络模型，使用包含和不包含AoA数据的样本，确保网络模型在仅有UWB数据的情况下也能进行有效的学习；本发明利用UWB信号的穿透性来弥补可见光易被遮挡的不足，可在不同环境下保持高精度和稳定性。