-
公开(公告)号：CN113992254A
公开(公告)日：2022-01-28
申请号：CN202111373950.5
申请日：2021-11-19
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04B7/06 , H04B7/0426 , H04B7/0456
Abstract: 本发明公开了智能反射面辅助无线通信系统波束成形方法，包括如下步骤:步骤1，部署RIS用于提供额外的可控的信道协助基站与用户间的通信，解耦合基站波束成形矩阵W与RIS反射波束成形矩阵Φ；步骤2，在基站侧根据基站与RIS间的信道设计基站发射波束成形矩阵W，将信号发送到RIS；步骤3，计算RIS与K个用户间信道相关矩阵Rk；步骤4，将RIS分为和用户数相同的子RIS分别服务各个用户；步骤5，根据RIS与各用户间信道相关矩阵设计RIS波束成形矩阵，通过RIS反射将信号分别传输给对应用户。本发明方法无需迭代优化，计算较传统的交替优化方法简单。
-
公开(公告)号：CN109951259B
公开(公告)日：2021-10-19
申请号：CN201910377332.4
申请日：2019-05-07
Applicant: 东南大学
Abstract: 本发明涉及一种极化码球形译码器的译码半径选取方法，所述方法具体步骤如下：第一步：计算最大似然距离dML的下界第二步：计算初始译码半径第三步：使用初始半径进行球形译码；通过使用最大似然距离dML的下界和译码半径的统计分布，计算球形译码器的译码半径，使用本方法中的译码半径选取机制，可以有效减少球形译码器的搜索空间，降低译码时延和复杂度。仿真结果表明，对于码长N＝64的极化码，当信噪比Eb/N0位于2.5‑3.5dB之间时，相比目前已有的半径选取方法，本发明中的译码半径选取方法能降低40％的译码复杂度。
-
公开(公告)号：CN109412985B
公开(公告)日：2021-09-03
申请号：CN201810254178.7
申请日：2018-03-26
Applicant: 东南大学
Abstract: 本发明涉及一种级联极化码的球形译码方法，所述方法包括以下步骤：第一步：计算CRC码的系统形式的生成矩阵GCRC；第二步：计算级联码的生成矩阵；第三步：用高斯消去法将级联码生成矩阵G化简为“下阶梯形式”，记G的下阶梯形式为Gd；第四步：由Gd计算索引数组P，用索引数组P记录矩阵Gd的结构；第五步：利用索引数组P进行球形译码；该方法极化码和CRC码形成的级联码设计了球形译码器，使用该球形译码器能够达到极化码和CRC码形成的级联码的最大似然译码性能。
-
公开(公告)号：CN108882269B
公开(公告)日：2021-07-30
申请号：CN201810491506.5
申请日：2018-05-21
Applicant: 东南大学
Abstract: 本发明提供一种结合缓存技术的超密集网络小站开关方法，所述方法包括以下步骤：步骤1：采集网络信息：步骤2：从S1(t)(S1(t)∈Ω)开始，遍历基站状态集合Ω中所有可能的基站状态，步骤3：根据公式(10)和(11)分别计算时刻t小站k的负载率ρk(t)，平均负载效率步骤4：更新时刻t＝t+1，更新队长；执行步骤2‑3；步骤5：当t＝T+1退出迭代过程；步骤6：计算第n次遍历搜索时，在状态集合Sn下的成本函数；步骤7：更新基站状态集合Sn＝Sn+1，执行步骤2‑6；步骤8：当遍历搜索结束；步骤9：对于所有的成本函数值根据公式计算n*；步骤10：根据得到的最优基站状态对所有小站执行开关决策。
-
公开(公告)号：CN109587776B
公开(公告)日：2021-03-30
申请号：CN201811492708.8
申请日：2018-12-07
Applicant: 东南大学
Abstract: 本发明公开了D2D辅助的超密集网络中基站休眠和协作缓存的联合优化方法。该方法同时考虑缓存方案和基站休眠策略，通过分析文件传输时延和系统平均能耗，将能耗和时延权衡问题描述为最小成本函数问题。所述最小成本函数问题是一个复杂的组合优化问题，因休眠和缓存是两个独立的过程，将原问题分解为两个子问题：首先，给定缓存方案，寻找最小成本函数值所对应的最优基站休眠方案；其次，基于最优基站休眠方案，根据组合优化算法迭代求解最优协作缓存方案，使得用户服务质量得以保证的条件下最小化系统能耗。
-
Patent Agency Ranking
公开(公告)号：CN112351481A
公开(公告)日：2021-02-09
申请号：CN202010914234.2
申请日：2020-09-03
Applicant: 东南大学
Abstract: 本发明提供了一种基于用户行为预测的小基站唤醒方法。对于用户的移动行为和APP使用使用，分别建模并预测，可以得到用户在下一时间段的位置坐标信息以及所使用的APP类型信息。根据用户的坐标信息可以判断出下一时间段内用户到达的小区。由预测的用户使用的APP类型信息，可以估算出用户在下一时间段内的数据速率需求。本发明根据预测得到的目标小区内用户的速率需求，判断是否需要唤醒小基站，在用户需求较低的情况下，可以由宏基站为用户提供服务，达到在保证用户需求的情况下，降低网络的能耗的目的。
-
公开(公告)号：CN108366386B
公开(公告)日：2021-01-05
申请号：CN201810449148.1
申请日：2018-05-11
Applicant: 东南大学
Abstract: 本发明公开了一种使用改进的径向基函数神经网络实现无线网络故障检测的方法，以实现对非线性可分的用户数据更好的分类。本发明应用了决策树基学习器和bagging方法从空间和时间维度的用户数据中进行特征选择，并应用结合了突变操作的人工蜂群算法实现神经网络参数的全局最优化，从而提升神经网络分类器的性能，分布式协作的检测方法引入了相邻基站的监测功能，提高了检测准确率也减少了数据传输消耗，在密集分布、用户稀疏的小型基站故障检测问题中取得了理想的性能。
-
公开(公告)号：CN111935777A
公开(公告)日：2020-11-13
申请号：CN202010496098.X
申请日：2020-06-03
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明提供了一种基于深度强化学习的5G移动负载均衡方法，包括：初始化参数；开始进行每一轮循环，从已完成初始化的系统环境中获取初始状态后，开始进行每轮内部的每一小步循环；结束当前小步的循环，若当前小步次数未达到设定的最大步数，则转入循环步骤；否则转入下一步；结束当前轮次的循环，若当前轮次次数未达到设定的最大轮次次数，则转入循环步骤；否则转入下一步；利用训练好的动作网络实现移动负载均衡，将系统内各个基站的状态作为动作网络的输入，得到动作网络的输出值并作用到系统中的各个基站，根据A3事件对用户进行切换。本发明能够实现用户与基站之间的重新分配，进而降低过载小区的负载，实现系统的负载均衡。
-
公开(公告)号：CN111935037A
公开(公告)日：2020-11-13
申请号：CN202010520822.8
申请日：2020-06-09
Applicant: 东南大学
Abstract: 本发明提供了一种基于深度学习的大规模多天线系统信道估计方法。本发明的方法为：首先在基站处根据系统模型和信道模型产生训练用信道和接收并量化的导频信号，构建RC-DNN的训练样本进行RC-DNN训练；然后将接收并量化的导频信号输入训练完成后的RC-DNN获得RC-DNN的输出，并将其同对应的高精度ADC天线接收并量化后的导频信号合并成Ref-DNN的训练样本进行Ref-DNN训练；用户向基站发送导频信号，将由用户发送且经基站天线接收并量化的导频信号ru输入RC-DNN得到低精度ADC天线处的估计信道 将其与高精度ADC天线接收并量化后的导频信号rH,u合并为Ref-DNN的输入su，将su输入Ref-DNN，获得用户到所有天线的估计信道 本发明可有效降低估计的NMSE。
-
公开(公告)号：CN106954234B
公开(公告)日：2020-08-14
申请号：CN201710272274.X
申请日：2017-04-24
Applicant: 东南大学
Abstract: 本发明公开了一种以最大化所有服务提供商的效益和为目标的用户连接和虚拟资源分配方法；该方法首先基于该效益函数，定义用户和服务提供商的效益；然后利用拉格朗日对偶得到混合业务场景下最优资源分配的充要条件；接着利用一种低复杂度的方法迭代求解资源分配的结果，最后结合资源分配的结果；本发明根据贪心策略设计用户连接方案，对于新用户到达的情况，在保持原有用户连接不变的情况下，新用户根据局部信息选择最佳的基站进行连接；得益于拉格朗日对偶和启发式的思想，该方法能够降低迭代次数和计算复杂度，快速找到资源分配方案。
-
-
-
-
-
-
-
-
-
Search Results
351
records
(took 0.024 seconds)
