-
公开(公告)号：CN107070624B
公开(公告)日：2020-03-31
申请号：CN201710176842.6
申请日：2017-03-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于大尺度衰落和多路径到达角的多用户导频调度方法，包括以下步骤：S1：获得用户k到所有RAU的信道协方差矩阵集合Rk＝diag([Rk1…RkM]T)以及P个正交导频序列S2：计算用户i和用户j之间的相关性系数；S3：初始化未调度的用户集未使用的导频序列集n＝1；S4：如果继续进行步骤S5；如果直接跳至步骤S9；S5：计算用户集中各用户间的平均相关性；S6：令t＝1，S7：计算用户集中指定用户以外的其他用户到指定用户的相关性之和，并进行排序；S8：判断是否已经找出两两相关性均在平均相关性范围内的K/P个用户；S9：结束。本发明相比于基于遍历思想的系统导频污染最小化的调度方法，在系统导频污染损失可以忽略不计的情况下极大地降低了计算复杂度。
-
公开(公告)号：CN107249191B
公开(公告)日：2019-12-10
申请号：CN201710298694.5
申请日：2017-04-27
Applicant: 东南大学
IPC: H04W16/18
Abstract: 本发明公开了一种基于hedonic博弈的分布式基站分簇方法，采用博弈理论来进行基站分簇，从博弈论的观点来看，基站通过动态的调整其所在的簇结构来形成稳定分簇是一个博弈的过程，在hedonic博弈模型中，基站即为理性的玩家，通过定义合适的偏好函数，基站通过计算偏好值做出符合自身利益的决策，最终达到个体均衡，得到稳定的分簇。本发明相比于启发式的方法，在性能上具有较大的优势；相比于基于遍历思想的分簇方法，在性能上相差很小的同时极大的降低了复杂度。
-
公开(公告)号：CN107124757B
公开(公告)日：2019-10-11
申请号：CN201710159607.8
申请日：2017-03-17
Applicant: 东南大学
IPC: H04W52/36 , H04W72/04 , H04B17/391 , H04W88/08
Abstract: 本发明公开了一种混合能量供电分布式天线系统的功率分配方法，包括以下步骤：S1：获取所有天线单元到用户k的信道衰落系数hk＝[h1,k,h2,k,…,hM,k]，其中hm,k表示天线单元m到用户k的信道衰落系数，M表示天线单元总数；S2：获得天线单元采集的能量，建立功率分配的数学优化模型，采用拉格朗日对偶方法将数学优化模型转化为等价的对偶问题，并用次梯度方法在各天线单元中协调分配用户的功率。本发明可以显著的降低分布式天线系统的电网功率消耗。
-
公开(公告)号：CN103326830B
公开(公告)日：2016-12-28
申请号：CN201210080970.8
申请日：2012-03-23
CPC classification number: H04W72/04 , H04B7/0417
Abstract: 本发明实施例公开了一种信道反馈方法和用户设备及基站，能够实现在MIMO-OFDM系统中高效的信道信息反馈。本发明实施例提供的一个方法包括：用户设备获取信道时域响应矩阵；所述用户设备根据无线信道延时分布特性从所述信道时域响应矩阵中选取出时域响应压缩值；所述用户设备将所述时域响应压缩值传输到基站。
-
公开(公告)号：CN115460616B
公开(公告)日：2025-04-22
申请号：CN202210691654.8
申请日：2022-06-17
Applicant: 东南大学
IPC: H04W16/22 , H04B7/0413 , G06N3/126
Abstract: 本发明提供了一种基于遗传算法的毫米波大规模MIMO系统用户分组方法，采用优胜劣汰遗传机制来行用户分组。从遗传的观点来看，动态地调整用户的分组方式来最终实现稳定分组是一个遗传进化的过程，在这个过程中，不同的用户分组构成一代中的不同精英，精英的基因(或子个体)交叉来产生新的子代，对父代和子代同时进行择优处理来完成自然选择机制，最终得到稳定的用户分组。本发明相比于早期的启发式方法，在性能上具有较大的优势；相比于贪婪式方法，在性能相近的同时显著降低了其复杂度。
-
Patent Agency Ranking
公开(公告)号：CN119316022A
公开(公告)日：2025-01-14
申请号：CN202411578507.5
申请日：2024-11-07
Applicant: 东南大学
IPC: H04B7/0456 , H04B17/391 , H04B17/345 , G06N3/08
Abstract: 本发明公开了一种通感一体化场景下联合预编码设计方法。针对无蜂窝协作通感一体化系统，提出了一种基于无监督深度学习的联合预编码设计方案，包括：建立通感一体化场景中的信号与信道模型；构建深度展开的联合通信感知预编码设计网络；利用收集的训练数据，训练深度展开的联合通信感知预编码设计网络；在部署阶段，利用联合通信感知预编码设计网络输出优化算法流程参数，进而利用构建好的优化算法流程获取通感一体化场景不同时隙下的通信预编码向量和感知预编码向量。本发明充分利用深度学习驱动，抑制了无蜂窝协作通感一体化系统中相互耦合的、难以处理的各种干扰，克服了现有技术中算法复杂的问题，大大降低了计算开销。
-
公开(公告)号：CN119172779A
公开(公告)日：2024-12-20
申请号：CN202411292559.6
申请日：2024-09-14
Applicant: 东南大学
IPC: H04W24/02 , H04B7/06 , H04B7/08 , H04B7/04 , H04B7/0456
Abstract: 本发明公开一种混合RIS辅助无蜂窝网络长期能效优化方法，包括：建立多RAU多用户链路接收信号模型；根据信号模型建立依据物理层信道、网络层队列信息进行混合RIS元件开关调度以及RAU预编码、混合RIS相移，网络队列积压稳定性控制设计的长期能效优化模型，将长期的队列稳定性约束转化为最小化Lyapunov漂移与最大化能效的联合优化问题并解耦为传输子问题和开关子问题；基于大M法转化离散的RIS元件选择约束，在每个时隙内通过连续凸近似以及半定松弛法求解传输子问题；推导混合RIS可以开启的最大有源元件数目，将元件选择组合优化问题通过贪婪算法转化为多个可以并行解决的开关子问题。本发明能够在Lyapunov框架下，有效稳定队列长度，保证系统的稳定性。
-
公开(公告)号：CN118473622A
公开(公告)日：2024-08-09
申请号：CN202410628995.X
申请日：2024-05-21
Applicant: 东南大学
Abstract: 本发明提供了一种无蜂窝网络辅助全双工使能的工业物联网短包传输方法，包括：建立无蜂窝网络辅助全双工的数学模型；建立工业物联网短包传输问题的目标函数和约束条件；问题重构，分解原问题为可靠性最大化问题和速率最大化问题；转化可靠性最大化子问题为凸问题，给出速率最大化子问题的半闭式解；采用交替算法求解转化后的问题；本发明能够有效提高无蜂窝网络辅助全双工系统的有效吞吐量，保证工业物联网低时延和高可靠的传输，具有广阔的应用前景。
-
公开(公告)号：CN114258138B
公开(公告)日：2024-07-05
申请号：CN202111562949.7
申请日：2021-12-20
Applicant: 东南大学
IPC: H04W72/52 , H04W72/542 , H04W72/543 , H04L5/14 , H04B7/0413 , G06F18/214 , G06F17/16
Abstract: 本发明涉及一种基于负载感知的网络辅助全双工无蜂窝大规模MIMO场景下双工模式优化方法，属于移动通信技术领域。该技术涉及两种智能算法，借助AI辅助算力，针对无蜂窝大规模MIMO场景下网络辅助全双工的上下行链路的资源利用效率最大化的问题，利用二元模式选择向量建模RAU(remote antenna unit，远端天线单元)工作模式为上行还是下行传输，给出集中式Q‑learning和分布式Q‑learning两种智能算法。本发明提出的智能算法可以适应实际中上下行用户数量多且随机移动的动态场景，复杂度较低，并且分布式Q‑learning算法比集中式Q‑learning算法具有更低的存储空间要求。
-
公开(公告)号：CN117997395A
公开(公告)日：2024-05-07
申请号：CN202410034281.6
申请日：2024-01-10
Applicant: 东南大学
IPC: H04B7/0456 , H04B7/0426 , H04B7/06 , H04B7/08 , H04W72/541
Abstract: 本发明公开了一种均衡长期能效和网络稳定性的双工模式优化方法。本发明针对网络辅助全双工(NAFD)无蜂窝大规模MIMO通信系统中的长期能效优化问题,同时保证网络稳定性。具体方案包括：建立NAFD无蜂窝大规模MIMO系统数学模型；建立长期能效优化问题的目标函数和约束条件；基于李雅普诺夫优化和漂移加罚方法，将系统长期能效优化问题转化为单时隙等价优化问题；采用基于强化学习的联合双工模式优化算法求解转化后的单时隙优化问题。该方法能够通过节点的双工模式选择和队列控制优化系统性能，在有效提高系统长期能效和网络稳定性之间实现均衡，使得NAFD无蜂窝大规模MIMO系统满足各种长期和瞬时服务质量需求，具有一定的实际价值。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.02 seconds)
