-
公开(公告)号：CN111107645B
公开(公告)日：2022-10-18
申请号：CN201911296078.1
申请日：2019-12-16
申请人： 东南大学
IPC分类号： H04W72/04
摘要： 本发明提供了一种均衡长期能效和网络稳定性的C‑RAN系统资源分配方法，包括：建立结合能量协作的混合能量供应C‑RAN数学模型；建立长期能效优化问题的目标函数和约束条件；基于李雅普诺夫方程和罚函数的思想，将系统长期能效优化问题转化为单时隙优化问题；采用联合资源分配优化算法求解转化后的单时隙优化问题。本发明能够优化分配系统资源(传输功率、协作能量、电网供能)，在有效提高系统长期能效和网络稳定性之间实现均衡，优化系统性能，使得采用能量协作的混合能量供应C‑RAN系统满足各种长期和瞬时服务质量需求，具有广阔的应用前景。
-
公开(公告)号：CN109255159B
公开(公告)日：2023-04-07
申请号：CN201810940335.X
申请日：2018-08-17
申请人： 东南大学
IPC分类号： G06F30/3308 , G06F30/3312 , G06F30/27 , G06N20/10 , G06F18/2431
摘要： 本发明公开了一种基于机器学习的电路路径延时波动预测方法，包括以下步骤：S1：通过分析电路特征与路径延时的关系选择合适的样本特征量；S2：通过枚举随机化参数的值生成随机路径，通过对随机路径进行蒙特卡洛仿真获得路径最大延时，通过3σ标准选取可靠路径，将可靠路径的样本特征量以及路径延时作为样本集；S3：建立路径延时预测模型，调整模型参数；S4：验证路径延时预测模型的精度和稳定性；S5：得到路径延时。本发明具有高精度和低运行时间的优点，在时序分析准确性和效率方面优势显著。
-
公开(公告)号：CN109255160B
公开(公告)日：2020-10-16
申请号：CN201810940886.6
申请日：2018-08-17
申请人： 东南大学
IPC分类号： G06F30/367 , G06N3/08 , G06N3/04
摘要： 本发明公开了一种基于神经网络的单元延时预测方法，包括以下步骤：S1：选取SPICE仿真和神经网络训练所需的特征量；S2：随机选取特征量值，采用SPICE仿真测量单元延时，建立单元延时样本集；S3：将SPICE仿真获得的单元延时样本集分为训练样本集和测试样本集两部分，采用训练样本集训练神经网络模型，采用测试样本集验证神经网络精度，比较测试样本集预测的单元延时与SPICE仿真测量的单元延时之间的误差，反复优化调整神经网络参数降低误差；所述神经网络模型即为单元延时的预测模型。本发明还公开了单元延时灵敏度计算方法。本发明精度高、建模开销低、预测速度快。
-
公开(公告)号：CN109255159A
公开(公告)日：2019-01-22
申请号：CN201810940335.X
申请日：2018-08-17
申请人： 东南大学
摘要： 本发明公开了一种基于机器学习的电路路径延时波动预测方法，包括以下步骤：S1：通过分析电路特征与路径延时的关系选择合适的样本特征量；S2：通过枚举随机化参数的值生成随机路径，通过对随机路径进行蒙特卡洛仿真获得路径最大延时，通过3σ标准选取可靠路径，将可靠路径的样本特征量以及路径延时作为样本集；S3：建立路径延时预测模型，调整模型参数；S4：验证路径延时预测模型的精度和稳定性；S5：得到路径延时。本发明具有高精度和低运行时间的优点，在时序分析准确性和效率方面优势显著。
-
公开(公告)号：CN113300693B
公开(公告)日：2023-11-14
申请号：CN202110631631.3
申请日：2021-06-07
申请人： 东南大学
IPC分类号： H03K17/22
摘要： 本文公开了一种近阈值单元电路延时模型，其中，获取参数包括获取工艺参数、电流参数和慢输入延时参数，判断单元电路类型包括判断单元是否为反相器、堆叠结构单元、并联结构单元，根据单元电路类型计算电流和电流积分，计算电流之和对数的均值、方差和偏度，计算等效阈值电压的均值、方差，判断延时类型包括根据单元电路类型计算得到过冲时间和延时，比较输入转换时间、过冲时间和延时的大小关系，判断延时类型是极快输入、快输入或者慢输入，建立单元电路延时标称模型是根据单元电路类型和延时类型，建立单元电路延时标称模型，得到延时标称值，建立单元电路延时统计模型是根据单元电路类型和延时类型，建立单元电路延时统计模型。
-
公开(公告)号：CN111107645A
公开(公告)日：2020-05-05
申请号：CN201911296078.1
申请日：2019-12-16
申请人： 东南大学
IPC分类号： H04W72/04
摘要： 本发明提供了一种均衡长期能效和网络稳定性的C-RAN系统资源分配方法，包括：建立结合能量协作的混合能量供应C-RAN数学模型；建立长期能效优化问题的目标函数和约束条件；基于李雅普诺夫方程和罚函数的思想，将系统长期能效优化问题转化为单时隙优化问题；采用联合资源分配优化算法求解转化后的单时隙优化问题。本发明能够优化分配系统资源(传输功率、协作能量、电网供能)，在有效提高系统长期能效和网络稳定性之间实现均衡，优化系统性能，使得采用能量协作的混合能量供应C-RAN系统满足各种长期和瞬时服务质量需求，具有广阔的应用前景。
-
公开(公告)号：CN112188605B
公开(公告)日：2022-11-01
申请号：CN202011054551.8
申请日：2020-09-29
申请人： 东南大学
摘要： 本发明涉及一种无线携能通信场景下网络辅助全双工系统收发机设计方法，属于移动通信技术领域。该方法针对采用无线携能通信技术并在下行用户处进行能量采集的网络辅助全双工系统的总发射功率最小化问题，在上下行服务质量约束、能量采集约束、前向回传容量约束以及远端天线单元和用户发射功率的约束下，给出一种基于块坐标下降法的算法来联合优化上下行波束成形矢量、上行用户发射功率、前向回传压缩比以及功率分流比，并利用连续凸逼近技术解决了该非凸优化问题难以求解的问题。本发明能够求解出使系统的总发射功率最小化的收发机参数值，且适用于其它多种全双工系统和半双工系统。
-
公开(公告)号：CN113300693A
公开(公告)日：2021-08-24
申请号：CN202110631631.3
申请日：2021-06-07
申请人： 东南大学
IPC分类号： H03K17/22
摘要： 本文公开了一种近阈值单元电路延时模型，其中，获取参数包括获取工艺参数、电流参数和慢输入延时参数，判断单元电路类型包括判断单元是否为反相器、堆叠结构单元、并联结构单元，根据单元电路类型计算电流和电流积分，计算电流之和对数的均值、方差和偏度，计算等效阈值电压的均值、方差，判断延时类型包括根据单元电路类型计算得到过冲时间和延时，比较输入转换时间、过冲时间和延时的大小关系，判断延时类型是极快输入、快输入或者慢输入，建立单元电路延时标称模型是根据单元电路类型和延时类型，建立单元电路延时标称模型，得到延时标称值，建立单元电路延时统计模型是根据单元电路类型和延时类型，建立单元电路延时统计模型。
-
公开(公告)号：CN112188605A
公开(公告)日：2021-01-05
申请号：CN202011054551.8
申请日：2020-09-29
申请人： 东南大学
摘要： 本发明涉及一种无线携能通信场景下网络辅助全双工系统收发机设计方法，属于移动通信技术领域。该方法针对采用无线携能通信技术并在下行用户处进行能量采集的网络辅助全双工系统的总发射功率最小化问题，在上下行服务质量约束、能量采集约束、前向回传容量约束以及远端天线单元和用户发射功率的约束下，给出一种基于块坐标下降法的算法来联合优化上下行波束成形矢量、上行用户发射功率、前向回传压缩比以及功率分流比，并利用连续凸逼近技术解决了该非凸优化问题难以求解的问题。本发明能够求解出使系统的总发射功率最小化的收发机参数值，且适用于其它多种全双工系统和半双工系统。
-
公开(公告)号：CN109255160A
公开(公告)日：2019-01-22
申请号：CN201810940886.6
申请日：2018-08-17
申请人： 东南大学
摘要： 本发明公开了一种基于神经网络的单元延时预测方法，包括以下步骤：S1：选取SPICE仿真和神经网络训练所需的特征量；S2：随机选取特征量值，采用SPICE仿真测量单元延时，建立单元延时样本集；S3：将SPICE仿真获得的单元延时样本集分为训练样本集和测试样本集两部分，采用训练样本集训练神经网络模型，采用测试样本集验证神经网络精度，比较测试样本集预测的单元延时与SPICE仿真测量的单元延时之间的误差，反复优化调整神经网络参数降低误差；所述神经网络模型即为单元延时的预测模型。本发明还公开了单元延时灵敏度计算方法。本发明精度高、建模开销低、预测速度快。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.022 秒)