-
公开(公告)号：CN113162662A
公开(公告)日：2021-07-23
申请号：CN202011143927.2
申请日：2020-10-23
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部 , 北京赫普特科技有限公司
IPC: H04B7/0413 , H04B7/0426 , H04W52/14 , H04W72/04
Abstract: 一种CF‑mMIMO下的用户分簇及功率分配方法，涉及通信技术领域,是为了解决目前的用户分簇方法的计算量较大导致的不易于实现，以及用户的功率分配方法还需要提供提高服务的公平性的问题。本方法通过最大化所有用户的最小SINR，从而最大化接入网络的用户，最小化用户的掉线率。不需要知道用户的具体位置信息就可以对用户进行分簇，该分簇方法的计算量较低，更易于实现；对于功率控制系数分配，该算法保证了最大化簇内所有用户的最小SINR，保证了用户服务的公平性以及用户的接入。
-
公开(公告)号：CN112600593A
公开(公告)日：2021-04-02
申请号：CN202011473464.6
申请日：2020-12-15
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: H04B7/0408 , H04B7/0426 , H04B7/0456
Abstract: 一种基于NOMA的波束选择方法，能够提高大规模MIMO系统的性能和通信质量，属于频谱功率分配技术领域。本发明包括：S1、建立大规模MIMO系统的信道模型，并转换为波束空间下的信道模型；S2、对信道模型中的用户进行分簇，若两个用户对应信道向量幅值最大的两行位置相同，则把它们当作同一簇的用户，没有配对的用户自成一簇，得到波束空间下的信道矩阵；S3、基于波束空间下的信道矩阵，利用改进的最大信干噪比波束选择算法或改进的最大容量选择算法得到波束选择后信道矩阵；S4、根据波束选择后信道矩阵进行迫零预编码，得到预编码矩阵，对不同簇的用户进行分布式功率分配，在同簇的多个用户之间引入非正交多址接入技术进行分布式的功率分配。
-
公开(公告)号：CN112564725A
公开(公告)日：2021-03-26
申请号：CN202011418005.8
申请日：2020-12-07
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: 基于神经网络的多用户共享接入接收机及其通信方法,涉及涉及通信技术领域和人工智能领域，是为了提高现有接收机的误码率性能和检测性能，本发明提出一种比传统的MMSE‑SIC接收机更好的多用户共享接入DNN接收机及其通信方法，它的误码率等检测性能无论是在高斯信道下还是在瑞利衰落信道下都比传统的MMSE‑SIC接收机更好。
-
公开(公告)号：CN112492676A
公开(公告)日：2021-03-12
申请号：CN202011390355.8
申请日：2020-12-02
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: MUSA下行链路的综合考虑信道容量和误码率的功率分配方法，涉及通信技术领域，是为了解决现有的NOMA系统的功率分配方法难以准确地估计出来信道增益，以及分配方法复杂的问题。本方法综合考虑信道容量以及误码率性能，有效性和可靠性都能得到保障。本方案提出的功率分配算法，只需要在MUSA系统中上行发送导频，进而较为准确地估计出来信道增益，就可以对下行的用户进行功率分配，方法简单，计算复杂度较低，易于实现。
-
公开(公告)号：CN115643142B
公开(公告)日：2024-10-22
申请号：CN202211225882.2
申请日：2022-10-09
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: H04L27/20 , H04L27/22 , H04B17/336 , H04B17/391 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种基于LSTM的QDPSK差分解调方法，本发明涉及电子和通信技术领域，本发明利用LSTM网络具有记忆功能的特性，解决DNN网络无法进行差分译码的问题。采用QDPSK差分调制解调方式能有效解决基于DNN的QPSK解调器在载波提取时存在的反向工作问题。同时，本发明不仅在基带下进行仿真，还在带通下存在干扰时进行设计，测试了神经网络的抗干扰情况。
-
Patent Agency Ranking
公开(公告)号：CN113342529B
公开(公告)日：2024-03-29
申请号：CN202110679260.6
申请日：2021-06-18
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: 本发明提出了基于强化学习的无小区大规模多天线架构下移动边缘计算卸载方法，方法包括：设置网络中CF‑MEC环境参数，确定用户设备UE与AP之间的数量关系；计算密集型任务的生成，使整个网络的时延tall最小化；定义动作、状态和奖励，训练深度Q网络，并保存网络模型；本发明的方法运行在和所有AP都相连的CPU上；并且在无小区大规模多天线架构中，每个AP都会将关于某个特定接收信号的局部软判决传输至CPU进行最终的综合判决，因此在CPU处可以获得全部的上行信号，同时在CPU处运行的本方法能够获得所有的卸载任务信息，并为它们一一选择合适的服务器来最优化整个网络所经历的卸载时延。
-
公开(公告)号：CN114882236A
公开(公告)日：2022-08-09
申请号：CN202110542902.8
申请日：2021-05-19
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: 本发明提供一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法。步骤1：利用SinGAN算法对已获取的地下空洞目标的探地雷达回波图像进行图像增广处理，得到处理后的具有相似分布的探地雷达回波图像；步骤2：对步骤1生成的探地雷达回波图像进行标注明确相关目标像素位置；步骤3：将步骤2中已标注的数据随机分配至训练集和验证集；步骤4：利用步骤3的训练集和验证集对深度学习目标识别算法进行训练，得到权重模型；步骤5：将步骤4获得的权重模型输入已有深度学习算法模型，对地下空洞目标探地雷达回波图像进行目标识别检测。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
公开(公告)号：CN114035858A
公开(公告)日：2022-02-11
申请号：CN202111254423.2
申请日：2021-10-27
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: 本发明公开了一种基于深度强化学习的无小区大规模MIMO下移动边缘计算的分布式计算卸载方法，属于移动边缘计算领域，包括：设置CF‑MEC训练环境；基于CF‑MEC训练环境，使用M/M/1排队论模型生成计算任务；在每个用户设备上构建深度Q网络，利用计算任务对被分配到任务的用户设备上的深度Q网络进行训练，直至贪婪策略的概率趋近于1，训练结束得到训练后的深度Q网络；将待测数据输入训练后的深度Q网络中，使用户设备对边缘服务器进行独立计算卸载决策。该方法通过在每个用户设备上部署训练好的深度Q网络，用户可以自行根据网络中的相关信息进行卸载决策，从而尽可能降低自身运行计算密集型任务的时延，提高用户体验。
-
公开(公告)号：CN113708803A
公开(公告)日：2021-11-26
申请号：CN202110684805.2
申请日：2021-06-21
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: H04B7/0413 , H04B7/06
Abstract: 本发明提出在Cell‑freeMassiveMIMO下的正交多址与非正交多址的结合方法，将所有用户分成L簇，每簇内用户数为1或2，每簇内的用户使用相同的导频，不同簇用户使用相互正交的导频，则正交导频的个数为L；将AP随机分为两部分，一部分为OMA用户提供服务，另一部分为NOMA用户提供服务；下行链路的数据传输依赖于共轭波束赋形，得到单用户下行数据传输的频谱效率；使用的功率分配算法来最大化最小SINR的功率控制算法P1，将功率控制转化为凸优化问题P2；对凸优化问题P2使用二分查找方法来找到下行最大最小化SINR的解，根据具体的用户数量和信道相关时间情况，将正交多址接入与非正交多址接入相结合，在不同的用户数量和相关时间条件下都能得到最佳的频谱效率。
-
公开(公告)号：CN112564754B
公开(公告)日：2021-09-28
申请号：CN202011386015.8
申请日：2020-12-01
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: H04B7/06 , H04B7/0413 , H04B7/0456
Abstract: 一种毫米波Massive MIMO系统下基于自适应交叉熵的波束选择方法，涉及无线通信技术领域。本发明是为了在毫米波波段Massive MIMO系统中选择有效的波束，来降低硬件复杂度和提高系统频谱效率。一种毫米波Massive MIMO系统下基于自适应交叉熵的波束选择方法，将Massive MIMO系统中的物理信道模型转换到波束空间下，获得波束空间下信道矩阵Hb，利用自适应交叉熵方法对信道矩阵Hb进行波束选择，使得波束空间下K个单天线用户能够接收到K×1维信号矢量
-
-
-
-
-
-
-
-
-
Search Results
190
records
(took 0.051 seconds)
