-
公开(公告)号：CN110298444A
公开(公告)日：2019-10-01
申请号：CN201910428367.6
申请日：2019-05-22
Applicant: 东南大学
Abstract: 本发明公开了一种提高基于霍尔效应磁编码器输出角度精度的方法，具体为：构造LM-BP神经网络结构；通过PSO方法优化LM-BP神经网络的初始权值和阈值：计算PSO粒子种群粒子维度、计算粒子的适应度值、更新粒子位置和速度、得到PSO优化后的LM-BP神经网络的初始权值和阈值；进行PSO-LM-BP神经网络训练：初始化LM-BP神经网络控制向量、计算输出层输出和理想输出信号的平方误差、更新控制向量、判断平方误差大小；PSO-LM-BP神经网络预测磁编码器输出角度。本发明通过PSO和LM相配合的方式来优化BP神经网络，为BP神经网络方法找到全局最优的初始权值和阈值，从而提高了磁编码器的原始输出角度的精度，减小了磁编码器的误差，大幅提高了磁编码器的输出角度精度。
-
公开(公告)号：CN110248370A
公开(公告)日：2019-09-17
申请号：CN201910509586.7
申请日：2019-06-13
Applicant: 东南大学
Abstract: 本发明提供了一种动态TDD网络中小区分簇的干扰协调方法。包括：S1.小区分簇算法的触发：设置10ms的定时器，通过小区的上下行的SINR，即信号干扰噪声比水平低于阈值或者定时器重新开始计时触发小区分簇进行干扰协调的过程；S2.小区分簇：被触发分簇的基站通过基站间接口通知邻区执行干扰协调；被触发的基站作为簇的基准基站，邻区基站通过小区分簇的准则进行分簇；基于最佳最大簇大小，分簇结果将被触发基站与干扰严重被触发基站的小区分在一个簇，最终得到小区分簇的结果；S3.在小区分簇之后，在小区分簇的基础上采用功率控制，本发明在5G超密集网络中抑制了这两种干扰，增加了系统上行及下行吞吐量，取得良好的性能。
-
公开(公告)号：CN110210658A
公开(公告)日：2019-09-06
申请号：CN201910427803.8
申请日：2019-05-22
Applicant: 东南大学
IPC: G06Q10/04
Abstract: 本发明提供一种基于小波变换的Prophet与高斯过程用户网络流量预测方法。针对用户网络流量时间序列的非平稳性、时变性等复杂特性，采用小波变换对用户网络流量时间序列进行预处理分析。经过小波变换后得到高频子序列与低频子序列，其中高频子序列反映了用户网络流量时间序列的突变性与无规律的波动性特征，而低频子序列则反映了用户网络流量时间序列的周期性与长期依赖特性。本发明针对高频子序列与低频子序列的特点，分别应用Prophet模型预测低频子序列，用高斯过程回归模型预测高频子序列，最后再进行离散小波逆变换，重构得到最终的网络流量预测结果。本发明所提出的预测方法，可以有效提高用户网络流量预测准确度。
-
公开(公告)号：CN110099017A
公开(公告)日：2019-08-06
申请号：CN201910427732.1
申请日：2019-05-22
Applicant: 东南大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种基于深度神经网络的混合量化系统的信道估计方法，首先，将基站天线分为高精度ADC天线和低精度ADC天线两个集合，在仿真环境根据系统传输模型和信道模型产生真实信道和接收并量化的导频信号作为训练数据；然后，将训练数据分别送入设计的深度神经网络1和2中进行离线训练，通过调整神经网络权重矩阵直至性能收敛，结束训练；最后，将训练好的神经网络1和2装配在基站端，分别用于估计高精度ADC天线和低精度ADC天线对应的信道。本发明的估计方法充分利用深度神经网络强大的学习能力，经过离线的基于大量数据的训练，深度神经网络能够发掘大规模天线系统中不同天线之间的空间相关性，从而实现从高精度ADC天线对应信道到低精度ADC天线对应信道的准确映射。
-
公开(公告)号：CN106028343B
公开(公告)日：2019-07-12
申请号：CN201610273937.5
申请日：2016-04-27
Applicant: 东南大学
Abstract: 本发明公开了一种多个提供商共存场景下的网络虚拟化框架和速率申请方法，为每个MVNO引入集中式的虚拟网络控制器，对其在所有InP下的虚拟网络进行管理，从而各MVNO能够以最大化自身收益为准则同时向所有InP申请速率。将InP和MVNO之间的速率申请过程建模成一个两阶段的动态博弈：第一阶段各InP进行速率的定价，第二阶段各MVNO根据收到的定价和在各InP下的速率需求确定向各InP的速率申请量，通过反向归纳法求解出动态博弈的子博弈完美纳什均衡，在该均衡下，各InP和各MVNO都不愿改变自己的定价与申请策略。每个InP为其网络中的各MVNO都设定一个速率分配上限，从而实现每个InP中虚拟网络之间的隔离。
-
Patent Agency Ranking
公开(公告)号：CN105873220B
公开(公告)日：2019-05-21
申请号：CN201610404078.9
申请日：2016-06-08
Applicant: 东南大学
Abstract: 一种两层非均匀拓扑结构异构网络的干扰协调方法，该方法引入频域划分系数，将ABS时隙的频带划分为两部分，一部分只给Pico基站使用，另一部分只给Macro基站使用。以网络中所有用户的传输速率的对数累加和最大为目标问题构建问题模型，并将目标问题拆分为四个子问题依次求解，分别为用户连接、ABS比率分配、频域资源划分及功率分配，该方法可以减轻异层小区间的干扰，提高系统的总用户速率并且保证了用户之间的公平性。
-
公开(公告)号：CN105813097B
公开(公告)日：2019-04-30
申请号：CN201610302350.2
申请日：2016-05-09
Applicant: 东南大学
Abstract: 本发明公开了一种移动通信网络中小区中断补偿方法，通过应用粒子群算法对中断小区周围基站的下行传输功率进行调节来进行小区中断补偿，具体方法为：首先定义基站覆盖范围、重复覆盖率；然后对基站覆盖范围、重复覆盖率进行估计；对系统覆盖率和容量进行优化权衡；最后进行补偿调节，补偿调节参数为中断基站周围基站的下行传输功率；采用粒子群算法进行最优解搜索。该方法能够对中断小区进行很好的性能补偿，并且通过调节优化目标中的覆盖率门限，可以在覆盖率、重复覆盖率和系统容量指标之间进行权衡调节。
-
公开(公告)号：CN109617991A
公开(公告)日：2019-04-12
申请号：CN201811634918.6
申请日：2018-12-29
Applicant: 东南大学
Abstract: 本发明公开了基于值函数近似的超密集异构网络小站编码协作缓存方法。采用值函数近似的强化学习方法，将值函数表达为状态和动作的函数，以最大化平均累积小站直接服务的文件请求数目为优化目标，通过不断地与环境交互，适应环境的动态变化，挖掘出潜在的文件请求转移模式，得到值函数的近似式，进而得到与文件请求转移模式相匹配的协作缓存决策；宏基站对协作缓存决策进行编码，并将编码协作缓存结果传达给各小站。本发明通过强化学习挖掘到的真实网络中文件请求的转移模式来制定缓存决策，无需任何对数据先验分布的假设，更加适用于实际系统；且通过与环境实时交互，可追踪时变的文件流行度，作出相应的缓存策略，过程简单可行，不需解NP-hard问题。
-
公开(公告)号：CN104640185B
公开(公告)日：2018-10-09
申请号：CN201510087274.3
申请日：2015-02-25
Applicant: 东南大学 , 中国移动通信集团江苏有限公司
IPC: H04W52/02
Abstract: 本发明公开了一种基于基站协作的小区休眠节能方法，该方法包括：基于动态规划的网络节能目标分解方法、CoMP‑JT（Coordinated Multi‑point Joint Transmission协作多点联合传输）模式下小区动态成簇的低复杂度方法以及干扰条件下的CoMP小区功率及OFDM子载波分配优化方法。通过本发明，可在实现小区休眠节能的同时，充分利用基站协作技术带来的高频谱效率和较低的同频干扰，实现进一步的网络节能效果提升。此外，本发明提出的低复杂度算法也十分适合在真实网络中开展规模应用。
-
公开(公告)号：CN104717722B
公开(公告)日：2018-05-15
申请号：CN201510153400.0
申请日：2015-04-01
Applicant: 东南大学
IPC: H04W48/16
Abstract: 本发明公开了超密集网络中基于PSS干扰消除的小站发现方法，该方法包括：预先准备三种PSS时域信号的自相关和互相关结果作为模板；对接收信号低通滤波和降采样后与本地PSS副本做互相关运算，找到峰值，获得最强小站的粗定时同步位置和将未经降采样的接收信号与本地PSS副本做互相关；找到互相关结果中最高的相关峰，确定其位置和对应的从三种PSS时域信号的互相关结果中将对应的模板消除；重复寻找最高的相关峰和消除操作。本发明无须对现有LTE技术规范做出修改；且无需估计信号和重构信号，不会显著增加UE的复杂度和耗电量；还可减小较强小站的同步信号对较弱小站同步信号的干扰，从而提高UE发现较弱小站的概率，增加UE所能发现的小站数目。
-
-
-
-
-
-
-
-
-
Search Results
351
records
(took 0.041 seconds)
