-
公开(公告)号：CN118139105A
公开(公告)日：2024-06-04
申请号：CN202410281033.1
申请日：2024-03-12
申请人： 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
摘要： 本发明涉及基于空频多域扩展的海量设备低延迟接入识别检测方法，属于无线通信中的数据传输领域，包括：S1，空频扩展的海量物联网设备接入；S2，通过矩阵变换将信道从天线‑频率域变换至角度‑延时域；S3，模型简化；以及S4，数据估计。其中，步骤S1包括下列子步骤：S11，将所有子载波划分为B个资源块，每个资源块包含P个子载波；S12，将属于同一个资源块内的子载波进行等间隔分布；S13，同一资源块内在每个子载波上传输同一星座符号；在步骤S2中，首先将信道与接收信号变换至角度‑频率域，最后变换至角度‑延时域。本发明提增加了系统能够同时容纳的用户个数，提升了数据识别检测性能，并降低了用户的接入延迟。
-
公开(公告)号：CN118019047A
公开(公告)日：2024-05-10
申请号：CN202410230192.9
申请日：2024-02-29
申请人： 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
IPC分类号： H04W24/08 , H04B7/0413 , H04W74/0833 , H04L25/02
摘要： 本发明公开时间敏感网络中频域预均衡的多用户接入识别检测方法，属于无线通信中的数据传输技术领域。本发明实现方法为：在下行阶段，基站某一跟天线向所有用户设备广播标志信号，用户进行同步、信道估计、功率控制。在上行传输阶段，用户采用免授权方式进行数据传输。用户发射信号的过程包括星座符号调制，乘扩频序列，预均衡以及OFDM调制。基站在联合用户活跃性与数据粗估计来识别活跃用户序号以及数据的粗估计，利用估计得到的数据进行信道估计。利用信道估计值进行更精确的数据估计。信道估计以及数据估计之间能够进行迭代。本发明能够在较少的时频资源下实现数据检测以及信道估计，实现时间敏感网络所期望的高实时性、高可靠性数据传输。
-
公开(公告)号：CN113347123B
公开(公告)日：2023-03-28
申请号：CN202110604783.4
申请日：2021-05-31
申请人： 北京理工大学
IPC分类号： H04L25/02 , H04B7/0413
摘要： 本公开的基于模型驱动的混合MIMO系统信道估计与反馈网络，该网络包括：上行信道压缩网络、上行信道重构网络、下行信道压缩网络、下行信道重构网络，反馈压缩网络、反馈信道重构网络；其中，所述上行信道压缩网络和上行信道重构网络组成上行信道估计模块，用于基站获取上行链路空间‑频率域信道矩阵；所述下行信道压缩网络和下行信道重构网络组成下行信道估计模块，用于用户获取下行链路空间‑频率域信道矩阵；所述下行信道压缩网络、反馈压缩网络和反馈信道重构网络组成下行信道反馈模块，用于基站获取下行链路空间‑频率域反馈信道矩阵。能够准确获取混合MIMO系统的信道估计，降低信道估计与反馈的系统开销。能够准确获取混合MIMO系统的信道估计，降低信道估计和反馈的系统开销。
-
公开(公告)号：CN114584437A
公开(公告)日：2022-06-03
申请号：CN202210483219.6
申请日：2022-05-06
申请人： 北京理工大学
摘要： 本发明公开了一种单次握手协议的半盲消息检测方法及装置，所述方法包括：多个处于活跃状态的节点分别使用相同的信道资源发送各自的上行接入信号；考虑模数转换器对接收信号进行量化，构建接收端的量化接收信号模型；基于贝叶斯推理去量化并计算外信息，将所述量化接收信号模型退化成等效线性模型；对所述等效线性模型作离散傅里叶变换，得到角度域线性模型；对角度域接收信号作矩阵分解，得到具有相位模糊和排序模糊的角度域信道矩阵估算和信号矩阵估算，并利用所述上行接入信号所携带的参考信息消除矩阵分解所引入的固有模糊。所述方法具有更低的接入时延，在动态系统中更加鲁棒，同时在相同信道资源开销下具有更好的消息检测性能。
-
公开(公告)号：CN114710415A
公开(公告)日：2022-07-05
申请号：CN202210559254.1
申请日：2022-05-23
申请人： 北京理工大学
IPC分类号： H04L41/142 , H04B7/06 , H04L25/02 , H04W74/08
摘要： 本发明公开了一种冗余编码的无源消息可靠传输与处理系统，能够有效降低联邦学习的通信资源开销。本发明包括发射端进行多用户无源信息对应的调制码字的冗余编码发送，以及多用户本地梯度的处理和发送，接收端进行无源信道估计与码本解调、冲突消除、信息重组和信道增强，利用消除冲突后的增强信道进行数据检测，然后进行解扰乱、星座解调和解量化，进行梯度聚合和模型更新。本发明整体采用的免授权无源消息传输方式，降低联邦学习中用户接入的信令开销；同时所述发射端对本地梯度的处理，能够实现接入用户数的过载，从而节省通信资源开销，提高联邦学习中通信过程的传输效率，实现可靠的无源信息传输和高效的联邦学习。
-
公开(公告)号：CN114710415B
公开(公告)日：2022-08-12
申请号：CN202210559254.1
申请日：2022-05-23
申请人： 北京理工大学
IPC分类号： H04L41/142 , H04B7/06 , H04L25/02 , H04W74/08
摘要： 本发明公开了一种冗余编码的无源消息可靠传输与处理系统，能够有效降低联邦学习的通信资源开销。本发明包括发射端进行多用户无源信息对应的调制码字的冗余编码发送，以及多用户本地梯度的处理和发送，接收端进行无源信道估计与码本解调、冲突消除、信息重组和信道增强，利用消除冲突后的增强信道进行数据检测，然后进行解扰乱、星座解调和解量化，进行梯度聚合和模型更新。本发明整体采用的免授权无源消息传输方式，降低联邦学习中用户接入的信令开销；同时所述发射端对本地梯度的处理，能够实现接入用户数的过载，从而节省通信资源开销，提高联邦学习中通信过程的传输效率，实现可靠的无源信息传输和高效的联邦学习。
-
公开(公告)号：CN114584436A
公开(公告)日：2022-06-03
申请号：CN202210483218.1
申请日：2022-05-06
申请人： 北京理工大学
摘要： 本发明公开了一种单次握手的并发通信网络中的消息聚合系统及方法，属于通信网络中的数据传输的技术领域，所述系统包括发射端和接收端，所述发射端包括下行信道估计与同步模块、本地训练模块、量化模块、码本调制模块和预均衡模块；接收端包括信号检测模块、梯度聚合模块、求平均模块和模型更新模块；所述方法包括发射端信号处理过程、上行传输过程和接收端信号处理过程；本发明利用联邦学习只需得到梯度消息聚合的结果，无需单独计算每个用户消息的特点，多用户采用共同的量化码本和调制码本，同时同频上行传输各自的梯度消息，实现多用户梯度消息的高效聚合，降低联邦学习中的通信资源开销。
-
公开(公告)号：CN112787758B
公开(公告)日：2021-11-02
申请号：CN202110053140.5
申请日：2021-01-15
申请人： 北京理工大学
摘要： 本发明公开了一种自适应串行干扰消除的海量媒介调制设备多址接入系统，所述发射端包括数据包生成模块、第一信道编码模块和第一媒介调制模块；发射端利用数据包生成模块在待发送数据中插入特征序列bs；接收端包括无编码检测算法模块、似然比计算模块、软解码模块、解码准确度判决模块、第二信道编码模块、第二媒介调制模块和干扰消除模块；解码准确度判决模块计算特征序列的解码结果与真实的特征序列bs的汉明距离，仅对汉明距离小于预设值的活跃设备的有效数据进行干扰消除。使用本发明能够进一步提升有信道编码系统中海量媒介调制设备多址接入的数据解调正确率。
-
公开(公告)号：CN112787758A
公开(公告)日：2021-05-11
申请号：CN202110053140.5
申请日：2021-01-15
申请人： 北京理工大学
摘要： 本发明公开了一种自适应串行干扰消除的海量媒介调制设备多址接入系统，所述发射端包括数据包生成模块、第一信道编码模块和第一媒介调制模块；发射端利用数据包生成模块在待发送数据中插入特征序列bs；接收端包括无编码检测算法模块、似然比计算模块、软解码模块、解码准确度判决模块、第二信道编码模块、第二媒介调制模块和干扰消除模块；解码准确度判决模块计算特征序列的解码结果与真实的特征序列bs的汉明距离，仅对汉明距离小于预设值的活跃设备的有效数据进行干扰消除。使用本发明能够进一步提升有信道编码系统中海量媒介调制设备多址接入的数据解调正确率。
-
公开(公告)号：CN114584437B
公开(公告)日：2022-07-01
申请号：CN202210483219.6
申请日：2022-05-06
申请人： 北京理工大学
摘要： 本发明公开了一种单次握手协议的半盲消息检测方法及装置，所述方法包括：多个处于活跃状态的节点分别使用相同的信道资源发送各自的上行接入信号；考虑模数转换器对接收信号进行量化，构建接收端的量化接收信号模型；基于贝叶斯推理去量化并计算外信息，将所述量化接收信号模型退化成等效线性模型；对所述等效线性模型作离散傅里叶变换，得到角度域线性模型；对角度域接收信号作矩阵分解，得到具有相位模糊和排序模糊的角度域信道矩阵估算和信号矩阵估算，并利用所述上行接入信号所携带的参考信息消除矩阵分解所引入的固有模糊。所述方法具有更低的接入时延，在动态系统中更加鲁棒，同时在相同信道资源开销下具有更好的消息检测性能。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.045 秒)
