本文涉及卫星通信技术领域，尤其涉及卫星通信的时间同步方法、装置、设备、介质及程序产品。终端接收由卫星基站广播的同步信号块以进行初步同步，并解码由卫星基站广播的主信息块以获取小区级公共定时提前参数和时频资源；结合小区级公共定时提前参数选择前导码和时频资源，发起随机接入请求，并发送第一消息至卫星基站；接收来自卫星基站的第二消息，第二消息包含根据前导码的检测结果反馈的定时提前指令；根据定时提前指令调整上行定时同步，并通过物理上行共享通道发送第三消息至卫星基站。通过本申请，在无需更改现有前导格式和定时提前指示范围的前提下，不具有GNSS能力的终端也可以实现初始随机接入并维持上行时间同步。

 本文提出一种基于5G非地面网络下行广播的通导融合信号设计方法，包括:基于精密定轨生成的低轨预报轨道和北斗增强参数确定导航电文数据；基于导航电文数据生成导航电文块；在同步信号块的物理广播信道后添加空闲符号；在空闲符号上添加导航电文块。本申请实施例通过在广播信号中的下行广播信号中添加用于定位终端的导航电文块，以实现在同一频谱资源下实现导航和通信双重功能，提高频谱利用效率，且通过广播信号就能测得伪距，实现在同步阶段就能实现终端的定位，降低定位的复杂度，避免繁琐的接入流程。

 本技术属于无人机通信技术领域，提出了一种基于Hardmard分组加密压缩的无人机蜂群测控通信系统，包括机载测控端和地面测控端；所述机载测控端和地面测控端中均包括Hardmard分组加密压缩模块，所述Hardmard分组加密压缩模块采用Hardmard分组加密压缩算法，对于非压缩数据采用非压缩Hardmard矩阵进行加密计算，而对于可压缩数据采用压缩Hardmard矩阵进行加密压缩计算，实现对测控通信数据进行分组压缩与加密，降低大规模无人机蜂群组网对通信资源的需求，从而在通信容量有限的情况下可支持更多的无人机数量。

 本技术公开了一种星地融合网络多任务卸载方法、装置、介质和设备，涉及星地融合网络技术领域。本发明先根据各地面用户和各低轨卫星之间的路径损耗与各地面用户的发射功率，确定各地面用户卸载至低轨卫星时的上行传输速率，再以各地面用户的任务卸载比率为变量，构建各地面用户的多模态任务的数据传输速率的通信模型，基于此进一步提出三种多模态学习方法，其中，通过集中式Actor‑Critic算法处理计算密集型任务以提高数据传输速率，通过分布式多智能体深度确定性策略梯度处理时延敏感型任务以降低网络时延，通过基于量化的联邦学习算法处理隐私保护性任务以保护隐私数据，满足了多模态任务不同方面的需求，实现了更好的资源调度。

 本技术公开了一种协作通感一体化场景中节点模式选择和波束赋形方法，属于无线通信领域。本发明提出了一种可以在通信和传感性能之间取得最佳平衡的系统节点模式选择与波束赋形方案，第一阶段首先建立系统的信道模型和数据传输模型，推导出上下行通信信干噪比表达式以及感知信干噪比表达式；第二阶段推导出最大比传输MRT波束赋形、迫零ZF波束赋形以及共轭感知波束赋形的表达式；第三阶段设计基于多智能体分层强化学习算法的节点模式选择与波束赋形算法；第四阶段调用算法以得到对每个接入节点进行双工模式选择和波束向量设计。该方法能够提高系统效率，推动无蜂窝协作通感一体化系统的实际部署，因此本发明具有一定的实际价值。

 本技术涉及数据处理技术领域，且公开了一种基于深度优化自适应注意力机制的射频指纹识别方法,包括:通过接收目标设备射频信号，对其进行下变频、滤波和数字化采样，得到原始IQ数据样本；对所述原始IQ样本进行预处理以得到训练数据集；将所述训练数据集输入卷积神经网络进行预训练得到预训练模型；对所述预训练模型进行微调得到下游任务模型；使用所述下游任务模型对未知设备数据进行分类识别。通过时间窗分割和特征增强实现了提升射频信号的清晰度和一致性同时减少了噪声和干扰的影响的效果；通过差异化注意力机制模块实现了提升模型在复杂环境下对多尺度和关键特征的捕捉能力的效果。

 本文公开一种基于CNN的宽带数传信号高精度时延估计方法和系统，方法包括，获得多个天线接收的多组复数时域形式且离散的目标信号；对每一组目标信号进行信道模拟，得到添加了相位误差和噪声的模拟后目标信号；根据相位估计模型处理参考信号和模拟后目标信号，得到模拟后目标信号相对参考信号的预测相位差，参考信号为多组模拟后目标信号中任一者，相位估计模型为卷积神经网络模型；根据预测相位差确定模拟后目标信号相对参考信号的时延差和初相位差，本方案利用CNN模型估计信号的时延差和初相位差，可以显著提高低信噪比下宽带数传信号间时延估计的精度和速度，降低计算量，增强实时性。

 本技术提供一种基于合作频谱感知的无人机群频谱资源分配方法及装置，属于无线通信技术领域，其方法包括:构建无人机群动态频谱接入网络，创建合作频谱感知单元；创建联邦深度强化学习环境，初始化任务参数和奖励函数；动态频谱接入用户进行合作频谱感知，获取可用频谱资源；基于联邦学习和深度强化学习训练无人机群动态频谱接入策略模型；调用训练完成的策略模型完成无人机群动态频谱接入。本发明基于合作频谱感知进行无人机群动态频谱接入，实现了无人机群簇间频谱资源高效利用，缓解了无人机群频谱资源紧缺的问题，提升了信道利用效率并降低了干扰水平，推动了无人机群频谱接入向智能化、精准化转变。

 本技术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。

 本技术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。