-
公开(公告)号：CN107124245B
公开(公告)日：2019-03-05
申请号：CN201710125698.3
申请日：2017-03-05
Applicant: 北京工业大学
IPC: H04J11/00
Abstract: 基于联合收发波束成形的全双工单向中继自干扰抑制方法，首先建立不含直接通信链路的全双工多天线单向中继系统模型；然后，分析现存自干扰抑制算法的性能及缺陷，并根据现存算法的不足，提出了一种基于联合收发波束成形的全双工单向中继自干扰抑制方法。首先根据收发波束成形原理和系统模型确定中继节点接收信号干扰噪声比的数学表达式，之后利用奇异值分解算法及联合收发最大比波束成形优化策略对各个节点的收发波束成形矢量进行估计，使得中继接收端的信号干扰噪声比近似最大化，最终获得的收发波束成形矢量即为最优收发矢量。本方法有效地抑制了全双工单向中继接收端自干扰信号的影响，改善了系统的误比特性能，同时获得较好的鲁棒性。
-
公开(公告)号：CN109194761A
公开(公告)日：2019-01-11
申请号：CN201811086769.4
申请日：2018-09-18
Applicant: 北京工业大学
Abstract: 一种基于边缘计算与区块链的LORA物联网环境数据采集与上链实现方法属于物联网数据采集与储存相关领域。该机制提供克服上述问题或者至少部分地解决上述问题的可行性方法。该方法的实现系统架构如下：服务器实现区块链数据储存和至少一个LORA边缘网关通信；LORA组网技术满足物联网环境下的大量边缘设备接入需求，低成本；利用嵌入式微处理器实现边缘计算，对获取的环境数据进行预处理减小之后数据处理和分析的计算量、提高计算效率、减少网络传输负载、减少网络传输时延、节省能耗；利用区块链储存技术保证数据储存的可信性、安全性。
-
公开(公告)号：CN108650685A
公开(公告)日：2018-10-12
申请号：CN201810352502.9
申请日：2018-04-19
Applicant: 北京工业大学
Abstract: 本发明公开一种C/U分离的5G蜂窝异构网络控制平面优化方法，在C/U分离架构下，宏基站负责控制平面传输，处理网络的控制与广泛覆盖；小基站负责用户平面传输，在较高频段上为用户卸载数据。宏基站故障后，根据需求将故障宏基站的相邻宏基站进行覆盖范围扩增，故障宏基站覆盖区域下每个小基站选择相邻宏基站接入并进行控制平面传输。针对小基站的相邻宏基站选择方法进行优化，根据相邻宏基站的负载均衡指数和最大可扩增覆盖范围进行分析，形成最小化核心网信令负载的宏基站选择统计分析和优化部署，并给出系统中相邻宏基站可处理的总负载和小基站分配部署方法。本发明与基于距离的小基站均匀分配传统方法相比，提出方法可以有效地提高相邻宏基站可处理的总切换率负载，进而减少核心网上的信令负载。
-
公开(公告)号：CN103560984B
公开(公告)日：2017-12-15
申请号：CN201310529529.8
申请日：2013-10-31
Applicant: 北京工业大学
Abstract: 本发明属于无线电通信领域，公开了一种基于多模型加权软切换的信道自适应估计方法。首先建立信道系统模型，选择时频双选信道，确定信道参数。然后基于信道模型和估计方法建立信道估计子模型和多模型信道估计库，分析并计算信道估计模型的模型误差和估计误差。最后根据模型误差和估计误差结合的切换指标，通过LUMV的加权多模型自适应估计算法来完成模型的切换。本发明提出了在传输信道模型不确定条件下，结合信道模型和估计方法，将多模型自适应控制理论中的多模型思想引入到信道估计中，并且采用一种线性误差最小方差的加权多模型自适应估计方法来完成切换，使信道估计方法在复杂信道范围内具有高鲁棒性和精确性。
-
公开(公告)号：CN106899338A
公开(公告)日：2017-06-27
申请号：CN201710256760.2
申请日：2017-04-19
Applicant: 北京工业大学
IPC: H04B7/0452 , H04B7/0426
Abstract: 本发明公开一种大规模MIMO下行链路中基于密度用户分组方法，包括以下步骤：步骤1、计算出所有用户相互之间的距离，得到距离矩阵；步骤2、根据距离矩阵得到k‑dist图，根据图中包含的用户密度分布信息得到DBSCAN算法的两个重要参数：半径和最小用户数阈值；步骤3、根据所述两个参数以后就从任意一个用户开始进行聚类，得到最终的用户分组结果。采用本发明的技术方案，通过找到合适的用户间距离度量方式，采用基于密度的聚类，利用用户的密度分布信息将一个小区中的所有用户分成几个小组，能够大大提高系统速率。
-
Patent Agency Ranking
公开(公告)号：CN105634579A
公开(公告)日：2016-06-01
申请号：CN201610125856.0
申请日：2016-03-04
Applicant: 北京工业大学
CPC classification number: H04B7/155 , H04B7/026 , H04B7/0413 , H04B7/15521
Abstract: 基于解码转发网络编码的多天线双向中继证据理论接收方法，首先建立不含直接链路的多天线双向中继模型；然后，分析现存的基于解码转发网络编码多天线双向中继接收算法的性能及缺陷，并根据现存算法的不足，提出了一种基于解码转发网络编码的多天线双向中继证据理论接收方法。本方法首先通过传统的多天线检测方法获得接收信号的初始判决统计量，之后利用基本信度分配函数描述接收信号判决统计量中由衰落信道和噪声产生的不确定性，并通过证据理论合并法则降低接收信号判决统计量的不确定性，最终通过最大值判决准则获得可靠的传输信号。相比于现存次优算法，本方法很好地改善了中继接收端误比特率性能。最后，对所提出算法进行了仿真验证，得到了与理论分析一致的结果。
-
公开(公告)号：CN104954176A
公开(公告)日：2015-09-30
申请号：CN201510280750.3
申请日：2015-05-27
Applicant: 北京工业大学
IPC: H04L12/24
CPC classification number: H04L41/145
Abstract: 多跳蜂窝网络架构中对于环境感知的信息中心化资源管理方法，本发明涉及一种无线环境感知网络，并且在信息中心化和多跳蜂窝网络中提出了新的结构。引入了网络中的缓存和在路由中的进程于网络中来减少通信量。考虑到信息包的优先级、延迟、大小和在无线链路中的瑞丽衰减，提出了最优的资源管理办法，来最小化长期的能量消耗。这个最优化的问题被建模成了一个带限的无休止赌博机问题，并且进一步的将其再建模为了一个标准的无休止赌博机模型，它的可检索特征帮助减少了在线算法的复杂度。该发明显著的提升了环境感知网络的性能。
-
公开(公告)号：CN103209427B
公开(公告)日：2015-07-08
申请号：CN201310092124.2
申请日：2013-03-21
Applicant: 北京工业大学
IPC: H04W24/02
Abstract: 源用户基于用户信道质量的协作用户选择方法，用于无线通信3GPP长期演进上行定向协作通信系统技术领域，其特点在于：先后计算出源用户与协作用户各自的信噪比，以及二者之间的能量增益，再取能量增益最大的用户作为备选协作用户，然后再在保证能量增益最大的条件下考察协作用户到基站之间的信噪比，进行最优协作用户匹配优化，从而选择出信道条件最优、转发效果最好的协作用户。本发明的优点在于：利用信道质量最优化的方法综合考虑了协作用户信道条件以及相应信噪比、能量增益的变化，实现了系统中源用户与协作用户的最优匹配，保证了协作用户选取的客观最优化。
-
公开(公告)号：CN104320369A
公开(公告)日：2015-01-28
申请号：CN201410562713.7
申请日：2014-10-21
Applicant: 北京工业大学
CPC classification number: H04L25/03821 , H04B7/0413 , H04L25/0242 , H04L25/03968
Abstract: 本发明属于无线通信领域，涉及一种基于信道估计误差和数据检测误差的迭代方法。所述方法包括：在发送数据中按照的梳状方式插入导频，在不同天线上发送；数据通过无线信道发送至接收天线，在接收端用基扩展模型对信道进行建模；利用AR自回归模型对信道BEM模型系数进行建模；对滤波器进行初始化、计算时间更新方程；滤波器去除噪声，进行信道估计进行信道估计；计算信道矩阵的估计值；计算信道估计误差的协方差矩阵进行SIC数据检测。本发明提出的信道估计和联合检测算法，充分利用信道估计和数据检测中的误差信息，提高了信道估计的精确度，加强了数据检测的校正。
-
公开(公告)号：CN102546492B
公开(公告)日：2014-12-31
申请号：CN201210084420.3
申请日：2012-03-27
Applicant: 北京工业大学
Abstract: 一种使用支持向量机SVM的信道环境检测方法属于无线信道技术领域，其特征在于，取信号估计值变化量和数据块间跳变幅度作为信道的两个属性值以及信道环境是否发生变化作标签值作为支持向量机的初始赋值。用K-CV法确定惩罚参数c及函数参数g，径向基核函数作为支持向量机参数来建立支持向量机模型并检测信道环境是否发生了改变。本发明能在信道环境完全未知的情况下，保证信道环境检测的准确性，便于推广使用。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.034 seconds)
