-
公开(公告)号：CN119788167A
公开(公告)日：2025-04-08
申请号：CN202510260706.X
申请日：2025-03-06
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于RIS辅助卫星通信系统的波束赋形与相移优化方法，通过联合设计低轨卫星LEO的波束赋形矩阵和RIS的相移矩阵，实现系统多用户加权合速率WSR的最大化。具体而言，本发明将交替优化算法与标量替换策略相结合，通过拉格朗日对偶变换将WSR优化问题解耦为多个子问题，分别优化波束赋形矩阵和相移矩阵，有效降低了计算复杂度，使该方法在大规模系统中更加高效适用。与传统方法相比，本方法在大规模用户或大天线数量下的通信系统中表现出更优的性能，同时在计算效率上具备显著优势，为未来的大规模无线通信提供了高效的解决方案。
-
公开(公告)号：CN114745343B
公开(公告)日：2023-08-11
申请号：CN202210310244.4
申请日：2022-03-28
Applicant: 南京邮电大学
Abstract: 本申请涉及一种基于QoS优先级的SDN的网络负载均衡路由方法、系统和设备。该方法包括：在至少一个终端交换机中设置至少两个流缓存队列，至少两个流缓存队列至少包括高优先级流缓存队列和低优先级流缓存队列；根据至少一个终端交换机接收的业务流的业务类型确定业务流的第一级QoS优先级，并根据第一级QoS优先级将业务流分配至对应的至少两个流缓存队列中的一个中；根据获取的SDN的实时业务流状态对分配到至少两个流缓存队列中的一个中的业务流分配第二级QoS优先级，第二级QoS优先级用于指示至少两个流缓存队列中的一个中的业务流的调度顺序；以及分别根据至少两个流缓存队列中的一个的各业务流的第二级QoS优先级的高低指示至少一个终端交换机中的业务流的调度顺序。
-
公开(公告)号：CN116249142B
公开(公告)日：2023-07-28
申请号：CN202310498327.5
申请日：2023-05-06
Applicant: 南京邮电大学
Abstract: 本发明公开了一种感知任务卸载和资源分配联合优化方法及相关装置，本发明在移动终端层的感知任务卸载策略和边缘层的资源分配策略的基础上构建以预设时隙内移动终端感知任务数据量最大为目标的联合优化模型，通过求解联合优化模型，获得预设时隙内端边协同网络处理的感知任务数据量最大，从而使端边协同网络资源被充分利用，提高了端边协同网络的服务性能。
-
公开(公告)号：CN116319190A
公开(公告)日：2023-06-23
申请号：CN202310231727.X
申请日：2023-03-10
Applicant: 南京邮电大学
IPC: H04L25/02 , G06N3/0475 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08 , H04B7/0413
Abstract: 本发明公开了一种基于GAN的大规模MIMO系统信道估计方法、装置、设备及介质，方法包括以下步骤：接收MIMO系统的发送端发送的导频信号，基于预先设计并训练的去噪神经网络，对接收到的信号进行去噪；根据去噪后得到的信号，使用随机梯度下降算法优化预先设计并训练的GAN的随机输入，得到最优的GAN输入。该基于GAN的大规模MIMO系统信道估计方法、装置、设备及介质，通过对接收信号进行了有效的去噪，降低了信道估计过程中噪声对信道估计的影响，并且采用注意力机制有效地利用了角度域信道的空间聚集稀疏结构，将整个角度空间分割成多个小角度区域，分别关注这些小区域，过滤掉无关信息对本区域信道学习的影响，提高了信道学习的效率和信道估计的准确性。
-
公开(公告)号：CN114884775A
公开(公告)日：2022-08-09
申请号：CN202210340614.9
申请日：2022-03-31
Applicant: 南京邮电大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种基于深度学习的大规模MIMO系统信道估计方法，包括如下步骤：将导频信号通过MIMO通信系统进行传输，接收端接收到通信信号，利用最小二乘算法进行初步信道估计，将初步估计信道状态信息输入到预先训练好的深度神经网络确定信道估计。本发明利用点卷积层、分组卷积层和深度可分离卷积层构建深度神经网络，该网络降低了需要存储的参数个数，减少需要计算的卷积次数，从而降低深度学习算法在信道估计时的复杂度；本发明深度神经网络拥有更高精度，在低信噪比时保持很好的性能表现；本发明中使用的激活函数提高了深度神经网络估计信道的精度。
-
Patent Agency Ranking
公开(公告)号：CN111818446B
公开(公告)日：2022-06-24
申请号：CN202010489216.4
申请日：2020-06-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于位置指纹的室内定位优化方法及系统，该方法包括离线采样阶段和在线定位阶段，在室内布置多个AP，并在每个采样点执行采样，记录每个采样点的位置以及参考点位置指纹的强度值，从而构建离线位置时指纹库，参考点位置指纹的强度值通过发射信号的无线信号强度值与叠加损耗值计算得到；在线定位阶段包括：考虑人对AP点到待测点位置的影响，将更新后的值存储到RSSN中；将RSSN中的值和离线采样阶段构建的位置指纹库值，通过WKNN算法进行匹配，得到匹配后的定位轨迹；采用卡尔曼滤波算法对得到的定位轨迹进行修正，得到最终定位位置；在线阶段待定位目标进行在线实时测量时，解决了人员自身对定位设备的干扰的问题，提高了定位精度。
-
公开(公告)号：CN114374975A
公开(公告)日：2022-04-19
申请号：CN202210280037.9
申请日：2022-03-22
Applicant: 南京邮电大学
IPC: H04W12/79 , G06V40/12 , G06V10/774 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种可抗多径衰落的射频指纹识别方法及系统，属于无线通信技术领域，包括如下步骤：采集待识别的无线射频设备发送的射频信号，对待识别的射频信号进行处理，得到待识别图像，将待识别图像输入预先训练的分类器，分类器依据分类标签得出无线射频设备的分类结果，依据分类结果计算得到对应的熵值；依据对应的熵值得到待识别无线分类设备的识别结果。本发明可补偿多径衰落对射频指纹的影响，并能在已知设备类别中识别设备的具体身份，达到无线设备安全认证的目的。
-
公开(公告)号：CN114050968A
公开(公告)日：2022-02-15
申请号：CN202111136218.6
申请日：2021-09-27
Applicant: 南京邮电大学
IPC: H04L41/0803 , H04L41/14 , H04L67/10
Abstract: 本发明公开了区块链共识领域的一种物联网区块链PBFT共识架构的构建方法，节点移动频率信息低于设定频率阈值时，则计算自身Ti值，并将Ti值发送至监控节点；监控节点指定Ti值大于Ti阈值，且为所在预划分区域中Ti值最大的节点为主节点；节点响应于接收到所述主节点指定信息，则向其传输范围内的其他节点发送主节点Ti值和主节点身份信息；将节点转为偏好指标Oj→i最大的主节点的共识节点pj；其中，主节点pi和共识节点pj构成共识片区，多个共识片区构建成共识架构的区块链系统，本发明通过共识片区降低了通信开销和减轻通信压力；根据偏好列表灵活加入主节点pi，提高了共识效率。
-
公开(公告)号：CN111818446A
公开(公告)日：2020-10-23
申请号：CN202010489216.4
申请日：2020-06-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于位置指纹的室内定位优化方法及系统，该方法包括离线采样阶段和在线定位阶段，在室内布置多个AP，并在每个采样点执行采样，记录每个采样点的位置以及参考点位置指纹的强度值，从而构建离线位置时指纹库，参考点位置指纹的强度值通过发射信号的无线信号强度值与叠加损耗值计算得到；在线定位阶段包括：考虑人对AP点到待测点位置的影响，将更新后的值存储到RSSN中；将RSSN中的值和离线采样阶段构建的位置指纹库值，通过WKNN算法进行匹配，得到匹配后的定位轨迹；采用卡尔曼滤波算法对得到的定位轨迹进行修正，得到最终定位位置；在线阶段待定位目标进行在线实时测量时，解决了人员自身对定位设备的干扰的问题，提高了定位精度。
-
公开(公告)号：CN108600575B
公开(公告)日：2020-09-11
申请号：CN201810495821.5
申请日：2018-05-22
Applicant: 南京邮电大学
Abstract: 一种基于不完全Feistel网络的RGB图像加密方法，包括以下步骤：S1、对RGB图像进行分层；S2、分别对提取出的R层图像、G层图像和B层图像进行二进制化表示；S3、分别对二进制化表示图像进行对应位比特值提取，得到24幅子图；S4、对子图进行分组，共得到6组子图集；S5、生成一个随机密钥，将一组子图集与一个随机密钥输入不完全Feistel网络进行加密运算，得到一组加密后的子图集，重复完成所有子图集加密；S6、将所有加密后的子图进行图像合并，得到经过加密的RGB图像。本发明仅凭较少的轮运算就能够达到高强度的加密效果，不仅有效地提升了加密效果，而且也充分地节约了计算资源。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.04 seconds)
