一种基于椭圆覆盖模型的无人机基站分流部署方法

    公开(公告)号:CN115209424B

    公开(公告)日:2023-12-29

    申请号:CN202210782051.9

    申请日:2022-06-30

    Inventor: 张鸿涛 刘江徽

    Abstract: 本发明提出一种无人机基站椭圆覆盖部署方法,具体表现为:首先设定无人机椭圆覆盖长半轴最大值Amax,计算能覆盖所有未被地面宏站覆盖的用户的最小圆;若最小圆半径大于Amax,用k‑means聚类算法将用户分为两个簇,再分别对每个簇进行上述操作,直到所有用户簇最小覆盖圆半径都小于Amax;以所有覆盖圆中心作为椭圆中心,用随机梯度下降算法求得全覆盖下椭圆面积最小时长轴的角度;在求最小覆盖椭圆的过程中,进行用户重复覆盖检测,如果当前无人机覆盖的用户重复覆盖,运行碰撞消除算法,即将当前无人机覆盖用户拆分成两个簇,用两个无人机进行覆盖;当一个无人机既无法被拆分也无法满足用户无重叠覆盖要求时,停止迭代,输出最终结果。

    一种面向用户为中心网络的深度学习动态波束赋形方法

    公开(公告)号:CN113644946B

    公开(公告)日:2023-12-01

    申请号:CN202110920028.7

    申请日:2021-08-11

    Abstract: 由于实际场景中用户数量动态变化,基站波束赋形计算复杂、耗时长,因此,本发明实例研究了一种面向用户为中心网络的深度学习动态波束赋形方法,具体如下:首先构建每个用户服务的基站簇,小站收集全局CSI信息并反馈至宏站;然后设计复数域加权最小均方误差算法——CWMMSE最大化和速率,通过CWMMSE获得大量“CSI矩阵‑波束赋形矩阵”对作为训练数据集;接着构建改进版全卷积波束赋网络模型——IFC‑BFNet,将数据集分批馈入IFC‑BFNet模型进行训练;最后将训练完成的IFC‑BFNet模型部署于宏站上,宏站通过模型计算给出所有小站的波束赋形结果,并传至小站,小站进行相应的波束赋形操作。

    一种空间边界约束下的无人机动态部署方法

    公开(公告)号:CN111970711B

    公开(公告)日:2022-06-14

    申请号:CN202010809617.3

    申请日:2020-08-12

    Abstract: 本发明提出了一种空间边界约束下的无人机动态部署方法,在所述方法中,部署无人机基站对盲点和热点区域进行快速覆盖,所覆盖区域称为目标区域,根据目标区域的参数确定无人机的初始部署;初始状态,无人机随机分布圆柱区域内,之后根据随机游走模型动态更新位置以满足目标区域的动态流量需求;建立大尺度时间统计性能指标模型,基于无人机的稳态分布,计算用户处一段时间吞吐量,根据一段时间吞吐量在不同目标区域的环境参数下随无人机数量、部署高度的变化关系,确定无人机的最优数量和最优部署空间。

    一种密集城区下基于Backhaul容量约束的无人机部署方法

    公开(公告)号:CN113872666A

    公开(公告)日:2021-12-31

    申请号:CN202111102927.2

    申请日:2021-09-15

    Abstract: 本发明提供了一种密集城区下基于Backhaul容量约束的无人机部署方法。在所述方法中,建筑物的遮挡和用户的移动需要被考虑,并通过强化学习算法建立无人机三维运动轨迹模型提高系统和速率。地面基站与无人机基站建立Backhaul链路,无人机基站通过考虑Backhaul链路容量选择用户接入以及建立Access链路,并通过菲涅耳区射线模型判断视距和非视距链路。具体地,提出一种两步的强化学习方法:第一步是强化学习部署算法,即无人机根据建筑物和用户的位置找到正确的初始位置;第二步是强化学习移动算法,允许用户移动并不断迭代无人机的位置,找到最佳运动轨迹适应复杂的用户变化。

    一种面向用户为中心网络的深度学习动态波束赋形方法

    公开(公告)号:CN113644946A

    公开(公告)日:2021-11-12

    申请号:CN202110920028.7

    申请日:2021-08-11

    Abstract: 由于实际场景中用户数量动态变化,基站波束赋形计算复杂、耗时长,因此,本发明实例研究了一种面向用户为中心网络的深度学习动态波束赋形方法,具体如下:首先构建每个用户服务的基站簇,小站收集全局CSI信息并反馈至宏站;然后设计复数域加权最小均方误差算法——CWMMSE最大化和速率,通过CWMMSE获得大量“CSI矩阵‑波束赋形矩阵”对作为训练数据集;接着构建改进版全卷积波束赋网络模型——IFC‑BFNet,将数据集分批馈入IFC‑BFNet模型进行训练;最后将训练完成的IFC‑BFNet模型部署于宏站上,宏站通过模型计算给出所有小站的波束赋形结果,并传至小站,小站进行相应的波束赋形操作。

    一种基于双层Q学习的雷达抗干扰策略优化方法

    公开(公告)号:CN115236607B

    公开(公告)日:2024-06-04

    申请号:CN202210782045.3

    申请日:2022-06-30

    Abstract: 由于干扰样式之间可构成的复合干扰场景难以穷举、人工编排与设计的方法将变得繁琐且难以实现,导致抗干扰性能难以保证。本发明实例研究了一种基于双层Q学习的雷达抗干扰策略优化方法,具体如下:首先构建雷达与干扰机博弈对抗交互流程与复杂电磁环境模型,设计雷达工作模式、信号参数、干扰机干扰类型与信号参数;然后对雷达接收信号进行特征提取,并识别其中的干扰信号类型;接着构建双层Q学习雷达抗干扰策略优化模型,基于雷达与干扰机博弈对抗交互流程进行模型训练;最后建立雷达抗干扰评估体系与模型,判断对抗干扰策略的有效性,同时辅助双层Q学习雷达抗干扰策略优化模型训练与更新。

    6G空中智能反射面辅助网络多小区干扰协调方法

    公开(公告)号:CN116939631A

    公开(公告)日:2023-10-24

    申请号:CN202310871268.1

    申请日:2023-07-14

    Abstract: 本发明提出了一种6G空中智能反射面辅助网络多小区干扰协调方法,涉及无线通信网络领域,特别涉及网络规划、小区增强,其中空中智能反射面作为无源反射中继,在多小区边缘以某一特定高度飞行,通过反射地面基站的信号提升小区用户的服务质量,同时抑制相邻小区的干扰。主要内容如下:获取用户位置,基于莱斯信道模型,计算智能反射面理想信号和干扰信号增益;根据位置信息,计算基站到用户的平均接收功率,并计算用户在任意时隙的传输速率;求解问题获得智能反射面调度方案和用户最小传输速率最大值η;求解问题获得移动方案,迭代求解问题P1和P2直到η的增量小于设定精度ξ;按照所得结果控制不同时隙下的智能反射面移动、调度及相位调整情况。

    6G智能透反表面辅助街区网络部署方法及参数设定

    公开(公告)号:CN116669053A

    公开(公告)日:2023-08-29

    申请号:CN202310871264.3

    申请日:2023-07-14

    Abstract: 本发明提出了一种6G智能透反表面辅助街区网络部署方法及参数设定方法,涉及无线通信网络领域,特别涉及网络规划、网络规划工具,其中智能透反表面部署在路灯上,通过透反基站信号为车辆用户提供服务。主要内容如下:获取用户、路灯和基站位置,计算智能透反射面的信道增益;根据信道信息计算用户可实现率;根据距离确定部署的智能透反表面单元数量;求解问题获得基站波束形成矢量和用户最小传输速率最大值;求解问题获得智能透反表面相移和用户最小传输速率最大值;求解问题获得智能透反表面部署位置和用户最小传输速率最大值;迭代求解问题直到用户最小传输速率最大值增量小于所设定阈值,获得部署方案。

    一种密集城区下基于Backhaul容量约束的无人机部署方法

    公开(公告)号:CN113872666B

    公开(公告)日:2023-01-31

    申请号:CN202111102927.2

    申请日:2021-09-15

    Abstract: 本发明提供了一种密集城区下基于Backhaul容量约束的无人机部署方法。在所述方法中,建筑物的遮挡和用户的移动需要被考虑,并通过强化学习算法建立无人机三维运动轨迹模型提高系统和速率。地面基站与无人机基站建立Backhaul链路,无人机基站通过考虑Backhaul链路容量选择用户接入以及建立Access链路,并通过菲涅耳区射线模型判断视距和非视距链路。具体地,提出一种两步的强化学习方法:第一步是强化学习部署算法,即无人机根据建筑物和用户的位置找到正确的初始位置;第二步是强化学习移动算法,允许用户移动并不断迭代无人机的位置,找到最佳运动轨迹适应复杂的用户变化。

    一种基于椭圆覆盖模型的无人机基站分流部署方法

    公开(公告)号:CN115209424A

    公开(公告)日:2022-10-18

    申请号:CN202210782051.9

    申请日:2022-06-30

    Inventor: 张鸿涛 刘江徽

    Abstract: 本发明提出一种无人机基站椭圆覆盖部署方法,具体表现为:首先设定无人机椭圆覆盖长半轴最大值Amax,计算能覆盖所有未被地面宏站覆盖的用户的最小圆;若最小圆半径大于Amax,用k‑means聚类算法将用户分为两个簇,再分别对每个簇进行上述操作,直到所有用户簇最小覆盖圆半径都小于Amax;以所有覆盖圆中心作为椭圆中心,用随机梯度下降算法求得全覆盖下椭圆面积最小时长轴的角度;在求最小覆盖椭圆的过程中,进行用户重复覆盖检测,如果当前无人机覆盖的用户重复覆盖,运行碰撞消除算法,即将当前无人机覆盖用户拆分成两个簇,用两个无人机进行覆盖;当一个无人机既无法被拆分也无法满足用户无重叠覆盖要求时,停止迭代,输出最终结果。

Patent Agency Ranking