-
公开(公告)号:CN117459968A
公开(公告)日:2024-01-26
申请号:CN202311284675.9
申请日:2023-10-07
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04W24/02 , H04W24/06 , H04W24/08 , H04L41/16 , H04L43/0829
Abstract: 本发明提供了一种超高可靠低时延设备大量部署时能量效率优化方法,包括:步骤一:计算出单个设备的短包冲突概率以及短包接收失败的概率,并根据所计算的短包冲突概率以及短包接收失败的概率计算出该设备的丢包率;步骤二:计算每个设备的丢包率,并根据所计算的丢包率将通信环境相似的设备归为一类;步骤三:采用深度强化学习的方法对经所述步骤二归类好的所有设备进行能量效率优化。本发明的有益效果是:本发明方法可以有效降低感知设备发送短包的发射功率以及重复发送相同短包的次数,显著提高URLLC设备的通信能量效率,延长它们的电池使用寿命;2.本发明方法采用归类方法,显著的缩短了深度强化学习的训练时间。
-
公开(公告)号:CN119182639A
公开(公告)日:2024-12-24
申请号:CN202411143480.7
申请日:2024-08-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L27/34
Abstract: 本发明提供了一种面向高可靠低时延移动通信的频域差分调制方法、系统及存储介质,频域差分调制方法包括:步骤1:将B位信息比特转换为J位编码比特;步骤2:将J位编码比特映射为M阶相移键控符号块,用频域差分调制技术将信息表示为同一OFDM符号中两个相邻子载波信号的相位差;步骤3:执行K点离散傅里叶逆变换将频域传输序列转换为时域传输序列,在时域传输序列中添加循环前缀;步骤4:接收机接收串行序列,计算#imgabs0#的K点离散傅里叶变换,通过对比同一个OFDM符号上的子载波信号检测数据,利用相移键控软解调器和信道解码器将数据转换为B位信息比特。本发明的有益效果是:能够以极低的信令成本和无线资源来实现高可靠低时延移动通信。
-
公开(公告)号:CN117768987A
公开(公告)日:2024-03-26
申请号:CN202311800885.9
申请日:2023-12-26
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04W52/26 , H04W52/28 , H04W52/24 , H04B17/391
Abstract: 本发明公开了一种基于蜂窝网络的无人机轨迹规划和视频传输方法,方法包括:构建蜂窝网络下的基站天线模型、无人机与基站之间的信道模型、无人机的能量消耗模型以及无人机与基站之间的视频传输模型;以最小化无人机的能量消耗为优化目标,以满足通信服务质量QoS、无人机监测所有目标点为约束条件,建立最小化无人机的能量消耗优化问题P1并将其转化为马尔科夫决策过程问题,马尔科夫决策过程问题以无人机作为代理,包括状态空间、动作空间、状态转移过程和奖励函数;利用基于深度强化学习的联合优化算法求解马尔科夫决策过程问题,找到无人机能耗最小并满足视频传输质量要求的最优解。本发明方法提高了无人机在视频监测场景下的能量利用率。
-
公开(公告)号:CN116981092A
公开(公告)日:2023-10-31
申请号:CN202310775807.1
申请日:2023-06-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04W72/512 , H04W72/0446 , H04W72/0457 , H04W72/044 , H04W72/50
Abstract: 本发明提供了非监督学习下的URLLC和eMBB资源分配方法、系统及存储介质,该URLLC和eMBB资源分配方法包括:步骤一:在每个时隙一开始确定eMBB用户资源分配策略,并在该时隙内保持不变;步骤二:在每个微时隙根据活跃的URLLC用户数进行eMBB/URLLC用户配对,将原多用户问题转化为多个单对eMBB/URLLC用户问题;步骤三:从单对eMBB/URLLC用户角度建立基于泛函优化的资源分配模型,解决多个单对eMBB/URLLC用户资源分配问题并及时更新eMBB用户剩余资源。本发明的有益效果是:本发明可以实现URLLC的超低时延要求,同时有效降低因无法满足URLLC服务质量而造成的丢包率。
-
公开(公告)号:CN116827466A
公开(公告)日:2023-09-29
申请号:CN202310804293.8
申请日:2023-07-03
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04B17/391 , H04B17/364 , H04B7/185 , H04W24/02
Abstract: 本发明公开了一种无人机通信延迟预测模型、预测方法和预测系统,所述模型为基于马尔科夫链的时序预测模型,输入为历史延迟数据,输出是由延迟预测范围的中心点和相对所述中心点的左右偏移量组成的延迟预测范围,模型使用Erlang分布对历史延迟数据进行拟合并构建马尔可夫状态转移矩阵;使用转移矩阵选择下次延迟预测值,观察拟合后的延迟数据绘制自相关函数,利用时序预测的移动平均确定延迟预测范围的中心点;根据转移矩阵中的转移概率对左右偏移量进行定量分配,最终获得模型的输出。本发明根据当前的UAV通信延迟得到之后短时间内UAV延迟可能出现的范围,实现了很高的预测准确度,用于蜂窝网下UAV的安全操控。
-
-
-
-