基于最小组合集的极化码码率一序列节点译码方法和装置

    公开(公告)号:CN117176184A

    公开(公告)日:2023-12-05

    申请号:CN202310899610.9

    申请日:2023-07-20

    IPC分类号: H03M13/13 H03M13/11

    摘要: 本申请提出了一种基于最小组合集的极化码码率一序列节点译码方法,包括:离线构造SPC节点和R1节点的最小组合集;获取待译码的极化码接收序列,根据所得到的SR1节点的LLR计算其内部源节点的LLR;根据源节点的LLR计算对应的最大似然估计码字,并使用码字对根节点进行奇偶校验约束,将根节点拆分为多个SPC节点;获取每个拆分出的SPC节点的翻转组合集合,根据路径度量增量筛选出候选翻转组合;对候选翻转组合进行并集运算构造新的集合,并根据R1节点的最小组合集从新的集合中筛选出新的候选翻转组合;对新的候选翻转组合进行翻转得到候选路径和对应的路径度量值作为SR1节点的译码结果。采用上述方案的本发明大大降低了SR1节点的译码时延和复杂度。

    一种定向宽窄波束组网优化方法及装置

    公开(公告)号:CN117560684A

    公开(公告)日:2024-02-13

    申请号:CN202311397397.8

    申请日:2023-10-25

    IPC分类号: H04W16/28 H04W24/02 H04W84/18

    摘要: 本申请提出了一种定向宽窄波束组网优化方法及装置,该方法包括:通过SAND同步自组织网络内的节点;基于SBA‑D设置扇区扫描序列设计与收发序列设计,使用宽波束对网络内节点进行粗对准,其中,扇区扫描序列设计用于确保在任意两个节点处于节点收发状态匹配时,在一定的时隙内实现节点的扇区对准,收发序列设计用于确保每个时隙内节点的收发状态与扇区扫描序列对应;将网络内节点的序列进制转换为任意进制的ID,根据转换后的ID设置各节点的轮次码,并确定各轮次内的对准序列数,使用窄波束对网络内节点进行精对准,完成整个组网过程。本申请在保障组节点入网比例的同时,明显降低了组网和对准时间,并且能够很好地满足不同节点分布场景下的组网需求。

    一种基于深度强化学习的无人机多跳SPMA网络智能退避方法

    公开(公告)号:CN116133153A

    公开(公告)日:2023-05-16

    申请号:CN202211676257.X

    申请日:2022-12-26

    IPC分类号: H04W74/08 G06N20/00

    摘要: 本发明提出一种基于深度强化学习的无人机多跳SPMA网络智能退避方法,包括,将信道状态信息作为多跳SPMA网络中智能退避网络的输入,其中,信道状态信息包括信道占用率及其历史值、各优先级队列中的需转发数据包个数;根据智能退避网络输出退避时长,并更新智能退避网络的信道状态;根据更新后的信道占用率情况评估退避效果,根据更新后的各优先级队列中需转发数据包数目评估数据包转发成功率,并根据退避效果和数据包转发成功率得到回报值;通过智能退避网络计算不同动作对应的最大回报值,选取回报值最大的动作作为当前的输入,训练智能退避网络直至收敛;获取目标信道状态信息,将目标信道状态信息输入训练好的智能退避网络,得到最优的退避策略。

    面向定向波束自组织网络的多波束约束路由方法

    公开(公告)号:CN117460015A

    公开(公告)日:2024-01-26

    申请号:CN202311468037.2

    申请日:2023-11-06

    IPC分类号: H04W40/02 H04W16/28 H04W84/18

    摘要: 本发明提出一种面向定向波束自组织网络的多波束约束路由方法,包括,收集全网所有节点的位置信息;通过位置信息计算节点间距离,根据节点间距离和定向天线传输可达距离,获知节点间潜在链路连接情况,记录至全网定向天线连接关系矩阵;使用深度优先搜索算法寻找全网定向天线连接关系矩阵所表示的拓扑图中的环,得到基于环的定向天线控制拓扑;将定向天线控制拓扑中不符合波束约束条件的定向链路删除,得到波束约束下的环定向天线控制拓扑;根据环定向天线控制拓扑,得到多波束约束定向路由,并面向时延要求,按照距离计算的连接关系矩阵,得到备份路由;对比备份路由与多波束约束定向路由,选择时间开销较低的作为路由结果,进行定向数据接入。

    基于D3QN的无人机自组网多域联合抗干扰方法和装置

    公开(公告)号:CN116208196A

    公开(公告)日:2023-06-02

    申请号:CN202211676372.7

    申请日:2022-12-26

    IPC分类号: H04B1/715 H04B7/185 H04W84/18

    摘要: 本申请公开了一种基于D3QN的无人机自组网多域联合抗干扰方法和装置,其中,该方法包括:将预设数量单位时间的历史信道选择数据和历史信道感知数据输入至基于D3QN的抗干扰模型,然后通过基于D3QN的抗干扰模型处理历史信道选择数据和历史信道感知数据,输出Q值序列,最后确定Q值序列中最大Q值对应的动作为目标动作。本申请可以基于D3QN的抗干扰模型确定最优的抗干扰动作,用于无人机自组网进行数据传输,实现信道选择和传输速率自适应的联合干扰抵抗,从而能够提高网络吞吐量,提升无人机自组网的抗干扰性能。

    基于单路降采样反馈的功放数字预失真方法

    公开(公告)号:CN116633283A

    公开(公告)日:2023-08-22

    申请号:CN202211507564.5

    申请日:2022-11-29

    申请人: 浙江大学

    IPC分类号: H03F1/32 H03F3/195 H03F3/213

    摘要: 本发明提出一种基于单路降采样反馈的功放数字预失真方法,包括:通过模数转换器对功放输出的单路信号进行降采样得到反馈数据;对功放的输入信号进行与降采样相同倍数的抽样,并与数据反馈完成时间同步得到抽样数据,将反馈数据与抽样数据通过最小二乘法求得功放多项式模型参数;通过功放多项式模型参数构建功放多项式模型;利用功放多项式模型对与功放的输入信号同等速率的功放输出数据进行估计,获取功放输出数据估计值;通过功放输入数据和功放输出数据估计值采用最小二乘法进行预失真模型训练,获取预失真器;获取输入信号,将输入信号输入预失真器后再输入到功放,通过预失真器与功放非线性的互逆性质完成非线性补偿。

    用于定向信道自组织网络的快速组网方法和装置

    公开(公告)号:CN116112864A

    公开(公告)日:2023-05-12

    申请号:CN202211580493.1

    申请日:2022-12-09

    申请人: 浙江大学

    摘要: 本申请提出了一种用于定向信道自组织网络的快速组网方法,涉及无线通信技术领域,其中,该方法包括:通过全向信道同步交互获取全网所有节点的位置信息;根据位置信息和定向天线传输距离计算每个节点的待对准定向邻居列表;对每个节点的唯一身份ID进行编码,得到每个节点的收发轮次状态码序列,并在每个节点处计算所有节点的状态码;遍历收发轮次状态码序列使节点依次进入收发状态进行波束对准,在每一轮扫描中执行全向信道辅助的轮次结束机制和基于GNSS位置信息的对准预约策略,当所有节点均遍历结束状态码序列后,完成定向组网的常规对准轮次。采用上述方案的本发明能够降低定向天线邻居发现的开销,实现定向自组织网络的快速组网。

    一种混合大规模MIMO系统导频优化设计方法和装置

    公开(公告)号:CN114172763B

    公开(公告)日:2023-03-24

    申请号:CN202111356025.1

    申请日:2021-11-16

    申请人: 浙江大学

    IPC分类号: H04L25/02 H04L5/00 H04B7/0413

    摘要: 本申请涉及无线通信技术领域,尤其涉及一种混合大规模MIMO系统导频优化设计方法和装置。其中,一种混合大规模MIMO系统导频优化设计方法,包括确定信道估计均方误差表达式,构建令信道估计均方误差最小化的优化问题;基于分式规划方法,对优化问题进行等价表示得到转换后的等价优化问题;基于块坐标下降方法,将等价优化问题分解为至少两个子问题,通过子问题的迭代求解,确定等价优化问题的优化结果。采用上述方案的本申请以信道估计均方误差最小化为目标,联合优化导频,ADC量化精度以及混合波束成形器,控制干扰,以低成本、低功耗,低复杂度的方式有效地提高多用户大规模MIMO系统信道估计质量,从而提高多用户大规模MIMO系统的传输效率,改善通信质量。

    面向非对称毫米波大规模MIMO的多用户上下行波束对准方法

    公开(公告)号:CN113890580B

    公开(公告)日:2022-08-12

    申请号:CN202111093092.9

    申请日:2021-09-17

    申请人: 浙江大学

    摘要: 本申请提出了一种面向非对称毫米波大规模MIMO的多用户上下行波束对准方法、装置及介质,该方法包括:构造用于探测多个方向的全数字多指向波束;进行基站端到用户端的多轮下行波束训练;控制用户端根据接收信号进行波束判决,确定出最大接收功率的目标下行发送‑接收波束对;对接收信号进行数据处理,生成预测上行发送窄波束的训练数据,并对预设的神经网络进行训练;基于训练后的网络参数和接收信号进行在线实时信号检测,预测目标上行发送窄波束;根据反馈的目标下行发送窄波束的标号,将目标下行发送窄波束展宽为基站端目标上行接收波束。该方法以较少的训练开销和较高的可靠性,实现了多用户上下行波束的快速对准,简化了训练过程。

    基于深度学习的OTFS波形PAPR抑制方法及装置

    公开(公告)号:CN114024811A

    公开(公告)日:2022-02-08

    申请号:CN202111101286.9

    申请日:2021-09-18

    申请人: 浙江大学

    摘要: 本发明提出一种基于深度学习的OTFS波形PAPR抑制方法与装置,其中,方法包括:将在时延‑多普勒域中的数据符号传输至编码器进行编码;通过ISFFT运算,将编码后的数据符号从时延‑多普勒域转换到时频域,通过海森堡变换将编码后的数据符号转化为低PAPR的时域信号;将时域信号经过信道模块传输后,通过OTFS解调将时域信号转化为时延‑多普勒域信号;将时延‑多普勒域信号经过解码器输出得到原始信号;通过联合损失函数训练编码器和解码器,调整深度神经网络的参数直至收敛得到最优模型;其中,编码器和解码器是基于深度神经网络进行训练,本发明采用两步训练方法来提高网络的收敛性能在保持较好BER性能的同时有效地降低发射信号的峰均比。