-
公开(公告)号：CN108650680B
公开(公告)日：2020-03-31
申请号：CN201810184879.8
申请日：2018-03-07
Applicant: 东南大学
Abstract: 本发明涉及一种基于波达角的无线传感器网络空洞修复方法，首先基于现有方法得到的覆盖空洞边界，根据感知节点相对空洞的权重选择移动备用节点，利用相邻感知节点的波达角信息判断修复节点所处位置并计算出前进方向并引导节点进入空洞。在空洞中，修复节点根据节点间连通信息和波达角信息移动至理想位置进行修复并更新空洞边界，不断迭代进行以上过程直至空洞消失。该方法的优点在于：一方面本方法不依赖于节点的位置信息或节点间的距离信息，能够应用于上述信息不明的场景；另一方面对比同类型的修复方法，本方法的计算复杂度较低。
-
公开(公告)号：CN110418399A
公开(公告)日：2019-11-05
申请号：CN201910669223.X
申请日：2019-07-24
Applicant: 东南大学
Abstract: 本发明提供一种基于NOMA的车联网资源分配方法，能够有效提升网络的接入能力，显著提升全体用户的总传输速率。本发明方法首先引入分簇的概念，基站根据VUE用户的地理位置将用户归并成簇，同一簇内的用户可共享同一频谱资源。然后为了减少CUE与V2V的同信道干扰，采用匈牙利算法确定共享同一频谱资源的CUE用户及VUE用户簇，最后对VUE用户簇内的非凸问题采用粒子群算法迭代取优获取VUE用户簇内各个V2V发送方的次优发射功率，并计算出相对应的次优VUE吞吐量。本发明将NOMA应用于车辆与车辆之间通信V2V unicast用户中，在确保V2I及V2V通信的服务质量的基础上，使得V2V用户的总吞吐量达到最大值，为NOMA下的V2X资源分配问题提供了新的思路。
-
公开(公告)号：CN110290534A
公开(公告)日：2019-09-27
申请号：CN201811464674.1
申请日：2018-12-03
Applicant: 东南大学
IPC: H04W16/16 , H04B17/382 , H04B17/391
Abstract: 本发明公开了一种基于XGBoost的认知无线电中协作频谱感知方法及系统，属于认知无线电技术领域，该方法包括：认知用户和距离认知用户较近的次级用户节点分别利用压缩感知观测矩阵对信号进行压缩抽样得到观测序列，对观测序列进行归一化的处理，并分别发送到数据融合中心；数据融合中心利用XGBoost来建立频谱感知分类器，代替信号的重构和检测过程，在接收到认知用户和次级用户的归一化观测序列后输入训练好的频谱感知分类器得到判决结果，并根据融合判决规则得到最后的判决结果。与现有技术相比，本发明不仅能够减少时间复杂度，而且还能够提高预测的准确度。
-
公开(公告)号：CN108540989A
公开(公告)日：2018-09-14
申请号：CN201810177638.0
申请日：2018-03-05
Applicant: 东南大学
Abstract: 本发明提供一种用于无线传感器网络的单纯复形简化方法及设备，属于无线通信的技术领域，该方法包括：基于代数拓扑的同调理论，利用传感器节点之间的连通信息，构建无线传感器网络对应的Rips复形；在Rips复形拓扑中，根据各节点及其邻节点之间的关系，选择冗余节点进行休眠；计算剩余节点的权重大小；按权重值排序节点，根据节点之间的相对方位角信息断开冗余节点之间的连接。本发明方法摒弃了位置和距离等难以精确获取的信息，从节点根本属性出发，利用节点之间的连通信息构建单纯复形—Rips复形，在无线传感器网络中结合节点的相对方位角信息，将复杂的网络拓扑结构简单化，同时保证网络拓扑特性的不变，减低检测覆盖空洞的计算复杂度。
-
公开(公告)号：CN107370521A
公开(公告)日：2017-11-21
申请号：CN201710812826.1
申请日：2017-09-11
Applicant: 东南大学
IPC: H04B7/026 , H04B17/309 , H04B17/336 , H04W24/02 , H04W24/08
Abstract: 本发明涉及认知无线电技术领域，公开了一种认知无线电多用户协作频谱感知方法，该方法包括四个过程：(1)数据准备：各认知用户分别计算接收信号的能量、频谱宽度和信噪比；(2)本地判决：各认知用户通过对比门限值与对应统计量的大小进行本地判决；(3)判决结果传输：本地判决结束之后，将判决结果和自身参数发送至融合中心；(4)最终判决：融合中心根据周围网络情况设置门限值，并将各个认知用户发来的数据进行两轮加权融合与判决，并根据最终结果来判定授权用户是否存在。本方法考虑了无线环境中噪声的影响以及数据融合过程中各个认知用户信噪比的不同，对提高频谱利用率，缓解频谱匮乏的现状提供了解决思路。
-
Patent Agency Ranking
公开(公告)号：CN107359920A
公开(公告)日：2017-11-17
申请号：CN201710623104.1
申请日：2017-07-27
Applicant: 东南大学
IPC: H04B7/0456
CPC classification number: H04B7/0456
Abstract: 本发明公开了一种基于切比雪夫迭代法的大规模MIMO预编码方法。包括步骤如下：首先基站通过获得的信道状态信息估计信道矩阵，根据得到的信道矩阵计算RZF预编码的表达式。然后采用切比雪夫迭代法对RZF预编码矩阵中的逆矩阵进行迭代估计，将求解逆矩阵的过程转化成矩阵加法和矩阵乘法运算，最后利用得到的预编码矩阵对发射信号进行预编码。实验结果表明，在相同的初始条件下，经过两次迭代，切比雪夫RZF预编码算法可以获取的与RZF预编码算法近似的平均用户到达率，并且计算复杂度要低。当获取相同的平均用户到达率时，切比雪夫RZF预编码算法的复杂度要小于牛顿RZF预编码算法的复杂度，收敛速度也快。
-
公开(公告)号：CN104159308B
公开(公告)日：2017-09-19
申请号：CN201410378155.9
申请日：2014-08-01
Applicant: 东南大学
Abstract: 本发明公开了一种基于空闲用户设备辅助的OFDMA系统上行子信道分配方法。所述方法在现有的基于消息传递策略的OFDMA系统上行子信道分配算法的基础上进行了改进，主要是对演进型基站和接入用户之间通过消息传递迭代进行子信道分配决策的过程运算中涉及的选择运算进行了优化，由接入用户和其周围的空闲用户共同完成选择算法的初次partition运算，并且对选择算法也予以了改进，使之只需调用一次选择算法即能完成序号相连的两个元素的选择。与现有技术相比，本发明以极小的额外通信开销和延时，通过空闲用户协助，以及新的选择算法，使得子信道分配提速。本发明对信道快速变化的通信系统，具有尤为重要的应用价值。
-
公开(公告)号：CN106330284A
公开(公告)日：2017-01-11
申请号：CN201610679143.9
申请日：2016-08-16
Applicant: 东南大学
IPC: H04B7/08 , H04B7/04 , H04B17/391 , H04L25/02
CPC classification number: H04B7/0854 , H04B7/0456 , H04B17/391 , H04L25/021 , H04L25/0242 , H04L25/0256
Abstract: 本发明公开了一种低复杂度大规模MIMO信道估计方法，该方法包括：建立向量形式的MIMO信道模型；根据建立的MIMO信道模型，利用MMSE算法对信道矩阵进行估计，得到信道估计值以及与真实的信道矩阵的估计误差；对信道估计值采用Kapteyn级数多项式展开，并对级数进行截短，得到最终的信道估计结果和估计误差。本发明复杂度更低。
-
公开(公告)号：CN105530679A
公开(公告)日：2016-04-27
申请号：CN201610018551.X
申请日：2016-01-12
Applicant: 东南大学
CPC classification number: Y02D70/30 , H04W40/02 , H04L67/1095 , H04W40/08 , H04W52/34
Abstract: 本发明公开了一种基于软件定义网络的无线传感器网络路由方法，该方法为：当监测区域有突发业务时，管控中心执行路由调整过程，包括如下步骤：根据SDSN节点剩余能量情况选择接入节点，执行最小跳数路由发现，根据网络中数据业务情况和接入节点功率上限计算最优接入节点发射功率和各链路业务流速率矩阵，根据计算结果生成镜像文件并传输给各SDSN节点、SDSN节点接收管控中心分发的镜像文件并通过重编程调整发射功率及路由。整个路由协议可在基于CC2530和PC搭建的平台上验证。该方法有效实现了网络中控制平面和数据转发平面的解耦，弥补了传统传感器网络分布式算法收敛性差、调整延时的缺点，确保了网络的稳定性和鲁棒性。
-
公开(公告)号：CN105188034A
公开(公告)日：2015-12-23
申请号：CN201510738895.3
申请日：2015-11-03
Applicant: 东南大学
CPC classification number: H04W4/025 , H04W64/006 , H04W84/18
Abstract: 本发明提供一种无线传感器网络中的协作定位方法。该定位方法基于每个待定位节点的接收信号强度(Received Signal Strength,RSS)和估计位置的克拉美罗下界(Cramer-Rao Lower Bound,CRLB)，为其划分不同的节点簇，并从节点簇中选取对定位精度更有利的参考节点，利用所选取参考节点的已知位置信息，使用线性最小二乘(Linear Least Squares,LLS)算法计算该待定位节点的位置。通过上述方法为待定位节点选取参考节点，以轻微降低定位精度的代价，极大减少无线传感器网络的能量消耗以及协作定位的计算复杂度。
-
-
-
-
-
-
-
-
-
Search Results
281
records
(took 0.029 seconds)
