一种LTE-V2X模式3的叠加重传方法及系统

    公开(公告)号:CN118803659A

    公开(公告)日:2024-10-18

    申请号:CN202411160670.X

    申请日:2024-08-22

    Applicant: 长安大学

    Abstract: 本发明提供一种LTE‑V2X模式3的叠加重传方法及相关装置,方法具体为,在基于最大化盲点距离的资源分配策略的基础上,使用信号叠加技术,允许VUE在自身的传输资源块中广播自己的数据包和另外两个VUE的数据包,且重传VUE使用与发送车位于不同子帧的资源重传发送车数据包,保证了数据包可以多次传输的同时不会加剧VUE间干扰,可以提升LTE‑V2X系统的可靠性。这么做的原因是在传统的通信方式在高速移动的车辆环境中存在半双工传输的限制,即车载用户在发送数据时无法接收数据,传输资源位于同一子帧的VUE间距离对系统数据包接收概率的影响常常被忽视。我们发现最大化盲点距离能有效减少相邻车辆间的资源冲突,降低相邻车辆间的同频干扰,有效减少半双工概率损失。我们还发现引入V2V重传链路能有效提升系统性能,所以我们选择合适的VUE在不同子帧处进行数据包重传,进一步降低了半双工概率损失。

    一种高速移动场景下的超大规模MIMO通信中的波束覆盖方法

    公开(公告)号:CN118249854A

    公开(公告)日:2024-06-25

    申请号:CN202410324784.7

    申请日:2024-03-21

    Applicant: 长安大学

    Inventor: 陈鹏 黄晓宇 王威

    Abstract: 一种高速移动场景下的超大规模MIMO通信中的波束覆盖方法、系统、设备及介质,方法包括:利用高速移动用户的切向误差范围,计算波束宽度下限;利用波束接收功率计算公式推出接收功率表示的发射功率的公式,利用近似化简方式得到理想接收功率,根据设置的门限得到波束宽度上限;选取满足波束宽度上限和下限的合成波束宽度,得出综合系数,并对调整向量进行加权从而得到合成波束形成器的加权向量;系统、设备及介质,用于实现一种高速移动场景下的超大规模MIMO通信中的波束覆盖方法;本发明具有稳定性好,计算复杂度低,波束宽度调整实时性强以及可靠性好的优点。

    一种基于遗传算法的迭代信道参数估计方法

    公开(公告)号:CN116827725B

    公开(公告)日:2024-05-24

    申请号:CN202310564745.X

    申请日:2023-05-19

    Applicant: 长安大学

    Abstract: 本发明提供了一种基于遗传算法的迭代信道参数估计方法,涉及无线通信技术领域,包括以下步骤:步骤101,生成快照的信道冲击响应;步骤102,初始化路径的信道参数,其中信道参数包括时延、角度、复振幅;步骤103,确定所有路径信道参数时延和角度对应的搜索空间并设定路径参数的估计次数;步骤104,基于对应的搜索空间,利用遗传算法迭代估计每一条路径的信道参数并利用估计出的时延、角度确定每一条路径的复振幅;步骤105,当所有路径参数估计次数等于设定路径参数的估计次数;则结束,否则,返回步骤104。本发明提高了多径信道参数估计的准确度。

    基于圆覆盖功率优化的6G无人机基站站址规划方法及系统

    公开(公告)号:CN115696352B

    公开(公告)日:2024-04-12

    申请号:CN202210631321.6

    申请日:2022-06-06

    Applicant: 长安大学

    Abstract: 本发明公开一种基于圆覆盖功率优化的6G无人机基站站址规划方法及系统,方法包括以下步骤:根据规划设置网络带宽、载波频率以及飞控中心可同时控制的UAV‑BS个数;根据圆覆盖模型拟合圆覆盖策略下小圆个数与半径关系,计算当前场景下每个UAV‑BS的覆盖半径;计算圆覆盖模型下单个UAV‑BS的发射功率寻找满足功率限制的最小UAV‑BS部署个数;求解无人机通信网络系统发射功率最小值及UAV‑BS部署个数最优解,对UAV‑BS最优部署个数进行取整操作,重新计算系统发射功率并比较得出最小值,更新并输出最少无人机基站个数及对应的圆覆盖策略下小圆位置作为站址规划;本发明确保在目标区域内任意位置用户都能够接入网络,实现6G通信无处不在的网络需求。

    基于阵列空间先验的变分Tensor密集多径参数估计方法和装置

    公开(公告)号:CN116366406B

    公开(公告)日:2024-03-05

    申请号:CN202310395171.8

    申请日:2023-04-14

    Applicant: 长安大学

    Abstract: 本发明公开基于阵列空间先验的变分Tensor密集多径参数估计方法和装置,涉及数字信号处理及无线通信技术领域,包括:根据收发端天线阵列进行Tensor信道矩阵的构造;基于阵列空间的先验假设施加空间相关性;对变分贝叶斯参数进行高层先验假设;通过平均场理论进行变分贝叶斯的迭代,推断所需估计超参数的后验分布,进行秩的消减与参数的估计;抵达变分迭代终止条件时迭代终止。本发明自动进行了秩的消减与参数的估计;抵达变分迭代的终止条件。本发明的算法估计性能与Tensor已知秩CP算法重合,且优于传统Tensor变分方法。

    使用多载频信号测量风速风向的方法、系统、设备及介质

    公开(公告)号:CN116559493A

    公开(公告)日:2023-08-08

    申请号:CN202310625573.2

    申请日:2023-05-30

    Applicant: 长安大学

    Abstract: 使用多载频信号测量风速风向的方法、系统、设备及介质,方法包括:先配置阵元坐标;再发射并采集多载频信号;每个阵元都发射多载频信号,与其相对的阵元采集该信号,并提取不同载频上的信号分量,得到不同载频所对应的信号分量在传播相同距离后产生的不同相位延迟;然后构建协方差矩阵,用Root‑MUSIC法估计三对阵元方向上的风速风向;最后矢量合成真实空间风速风向;本发明还包括基于该测量风速风向的方法的系统、设备及介质;本发明不需精确知道声波传播的时间,可以获得与真实风速值接近的高精度测量结果,具有抗干扰能力强、测量精度高、可靠性好、系统复杂性低、实时性强等优点。

    基于二维特征的可视与非可视信道识别方法及装置

    公开(公告)号:CN111770527B

    公开(公告)日:2023-06-02

    申请号:CN202010586663.1

    申请日:2020-06-24

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于二维特征的可视与非可视信道识别方法及装置,获取数据包信道信息并处理合成信道状态信息;对每个信道状态信息数据进行傅里叶反变换,并计算信道冲击响应的功率;设置阈值一,过滤S2所得信道冲击响应的噪声,得到过滤后信道冲击响应极大值的位置,并找出所述极大值对应点信道冲击响应的幅值,计算峰度;使用RMS延时扩展的单一特征找到其中最适合的阈值,作为阈值二;基于阈值二计算信道冲击响应的RMS延迟扩展;根据峰度和RMS延迟扩展计算阈值线系数,根据所述阈值线判断该数据包属于视距环境还是非视距环境下所接收的,本发明采用两个特征来视距/非视距识别,相比较单一特征,双重判决可以准确提高识别的准确率。

    基于信息物理对偶网络的高容量车辆分簇方法和系统

    公开(公告)号:CN115633334A

    公开(公告)日:2023-01-20

    申请号:CN202210994754.8

    申请日:2022-08-18

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于信息物理对偶网络的高容量车辆分簇方法和系统,该分簇方法首先构建车辆在当前网络下对应的物理网络拓扑图,计算车辆移动性关联指数;然后构建车辆在当前网络下对应的物理网络拓扑图,计算链路传输质量;进而将加权求和将物理网络及信息网络叠加,计算综合网络下关联密度,进一步建立基于关联密度的最优化分簇模型;最后使用矩阵分解算法近似求解,得到最终分簇结果。本发明在计算过程中考虑了LOS及NLOS环境下的信道衰落,并且通过矩母函数给出了一种信道链路容量的计算方法;该方法能够体现物理拓扑的稳定性,并且还能体现整个信道的链路传输质量,进而可以使得具有更高效传输结构的VC建设。

    一种无线传感器网络定位覆盖定位方法及系统

    公开(公告)号:CN115484612A

    公开(公告)日:2022-12-16

    申请号:CN202211329558.5

    申请日:2022-10-27

    Applicant: 长安大学

    Abstract: 本发明公开一种无线传感器网络定位覆盖定位方法及系统,方法具体为:首先在目标区域内选择感兴趣的区域进行覆盖,其次,将无线传感器网络中初始部署的节点进行优化,最后,经过加权均衡算法和虚拟力算法优化后,对节点最优位置进行寻优迭代;节点最优状态即是无线传感器网络节点的最优位置;提高无线传感器网络对特定区域的定位覆盖率和算法效率,本发明以无线传感器网络节点的定位覆盖率为优化目标,设置目标区域内定位覆盖率的适应度函数,首先采用均衡优化算法对节点进行部署优化,再采用虚拟力算法对节点的位置进行微调,防止节点陷入局部最优,本发明不仅弥补了均衡优化算法可能陷入局部最优的缺陷,大大提高了运行效率。

    一种基于核主成分分析增强无监督学习的非视距识别方法

    公开(公告)号:CN115114571A

    公开(公告)日:2022-09-27

    申请号:CN202210731975.6

    申请日:2022-06-26

    Applicant: 长安大学

    Abstract: 本发明公开一种基于核主成分分析增强无监督学习的非视距识别方法,涉及无线通信与定位导航技术领域,包括:S1,设计并开展室内信道测量活动,收集视距和非视距传播条件下的信道状态信息;S2,通过快速傅里叶逆变换将频域的信道状态信息转换为时域的信道脉冲响应;S3,基于信道脉冲响应提取出8种无线信道特征参数;S4,利用皮尔逊相关系数计算出不同特征之间的相关性;S5,基于核主成分分析方法获取主成分,找到所有特征的最优子集;S6,将S5得到的最优子集作为k‑means、GMM和FCM聚类算法的输入进行LOS和NLOS识别。本发明利用核主成分分析提取出最优的特征子集,寻找最优特征子集,减少了工作量,降低了输入特征的维度,识别的精度显著提高。

Patent Agency Ranking