车通信系统及其资源分配方法和电子设备

    公开(公告)号:CN111356115A

    公开(公告)日:2020-06-30

    申请号:CN202010143309.1

    申请日:2020-03-04

    Applicant: 安徽大学

    Abstract: 本发明提供一种车通信系统资源分配方法及其补偿系统和电子设备,所述车通信系统资源分配方法包括建立车通信系统的信道模型并计算信道增益;获取上行链路的最佳功率匹配点;获取下行链路的最佳功率匹配点;根据所述上行链路的最佳功率匹配点和所述下行链路的最佳功率匹配点获取最佳频率匹配,并基于所述最佳频率匹配进行频谱资源复用。利用本发明,大大提升了频谱利用率,且未增加算法复杂度,同时增加了车通信系统链路的数据传输速率,为车通信系统提供了高效可靠的数据传输方案,推进车辆无人驾驶的发展。

    基于信道状态信息的无源目标分类方法

    公开(公告)号:CN111093163A

    公开(公告)日:2020-05-01

    申请号:CN201911333553.8

    申请日:2019-12-23

    Applicant: 安徽大学

    Abstract: 本发明涉及一种基于信道状态信息的无源目标分类方法,该方法包括下列顺序的步骤:数据收集;数据预处理;神经网络训练;分类结果。本发明具有部署成本低,分类准确度高、无需手工提取特征且保护隐私的优点;通过使用较稳定的信道状态信息代替随时间变化波动较大的接收信号强度作为基信号,对于细粒度的身高分类而言,信道状态信息相较于接收信号强度指示值可以很好的反映目标身高的差异。

    一种基于虚拟MIMO的压缩数据收集方法

    公开(公告)号:CN105338602B

    公开(公告)日:2019-04-02

    申请号:CN201510676129.9

    申请日:2015-10-14

    Applicant: 安徽大学

    Inventor: 蒋芳 胡艳军

    CPC classification number: Y02D70/00

    Abstract: 本发明公开了一种基于虚拟MIMO的压缩数据收集方法,结合了压缩感知和MIMO传输技术,依据能量最优原则对网络的分簇数目、压缩测量矩阵的稀疏率和压缩比、参与协作传输的节点数目以及远程传输时调制的星座图大小进行联合优化,从而能够以低能耗实现压缩数据收集。本发明能降低数据收集过程中的传输能耗和丢包率,从而能提高无线传感网的数据收集效率,延长网络的生存周期。

    一种密集网络中的服务基站的选择方法及系统

    公开(公告)号:CN109041117A

    公开(公告)日:2018-12-18

    申请号:CN201811221272.9

    申请日:2018-10-19

    Applicant: 安徽大学

    Abstract: 本发明公开一种密集网络中的服务基站的选择方法及系统,所述选择方法包括:首先计算用户u随机到达位置r处连接到至少两个能量受限的基站的传输速率,判断是否只有一个所述传输速率大于最低服务质量所需要的数据率,若是,则选择传输速率大于最低服务质量所需要的数据率的基站作为服务基站;若否,则根据每个能量受限的基站的剩余能耗和所述用户随机到达位置处连接到基站的传输速率,以确定所选择的服务基站。本发明同时考虑到了吞吐量和生存时间等因素,综合考量服务基站的选择,同时,本发明在移动终端的链路接入上,尽量平衡多个基站的吞吐量,本发明的方法可以综合考虑能耗情况,延长网络寿命和所有基站的工作时间。

    一种恒定束宽波束形成方法、系统、设备及介质

    公开(公告)号:CN119758230A

    公开(公告)日:2025-04-04

    申请号:CN202411931791.X

    申请日:2024-12-26

    Applicant: 安徽大学

    Abstract: 本发明提供一种恒定束宽波束形成方法、系统、设备及介质,涉及波束形成技术领域,所述恒定束宽波束形成方法,包括:获取非均匀对称性麦克风阵列的接收信号;对接收信号进行基于时域和频域的信号处理,得到接收信号模型;对麦克风阵列中的各麦克风位置处进行采样,得到初始波束形成器权重;对处于麦克风阵列中的每个初始波束形成器权重进行调整和归一化处理,得到波束形成器权重;根据接收信号模型和波束形成器权重,通过恒定束宽波束形成器输出得到与入射信号源的入射方向对应的估计值。本发明提供的方法、系统、设备及介质,可使麦克风阵列在主瓣宽度内对不同频率的输入信号具有相同的空间响应。

    一种基于深度学习的LEO卫星码分多址方法及系统

    公开(公告)号:CN117527041A

    公开(公告)日:2024-02-06

    申请号:CN202311466805.0

    申请日:2023-11-07

    Applicant: 安徽大学

    Abstract: 本发明涉及一种基于深度学习的LEO卫星码分多址方法,包括:在扩频编码端构建用于生成用户扩频码并对用户的数据进行扩频的CDMA扩频编码器,CDMA扩频编码器采用全连接深度神经网络构建;在多用户检测端构建用于多用户检测以获得所有用户的原始信息的CDMA多用户检测器;对CDMA扩频编码器和CDMA多用户检测器采用端到端联合训练,通过CDMA扩频编码器的输入数据s和CDMA多用户检测器的输出数据构造损失函数,利用反向传播算法及神经网络优化器进行端到端联合训练。本发明还公开了基于深度学习的LEO卫星码分多址系统。本发明通过深度全连接神经网络自动生成用户扩频码,通过深度学习的端到端训练的方法提高了误码率性能。

    SCMA-D2D网络低复杂度编解码方法、装置及设备

    公开(公告)号:CN117014103A

    公开(公告)日:2023-11-07

    申请号:CN202310694835.0

    申请日:2023-06-12

    Applicant: 安徽大学

    Abstract: 本发明涉及混合网络编解码技术,揭露了一种SCMA‑D2D网络低复杂度编解码方法、装置及设备,该方法包括:根据SCMA蜂窝用户与D2D用户的用户信息以及频谱资源块生成连接因子矩阵,根据连接因子矩阵生成连接因子图;根据连接因子图构建码字生成器,利用码字生成器计算用户信息对应的码字;根据用户信息对应的码字及频谱资源块生成混合网络信号数据;将经过高斯信道传输后的混合网络信号数据输入中继网络中,得到中继信号数据,并广播至SCMA蜂窝用户及D2D用户对应的接收端;在接收端接收到中继信号数据后,利用多用户分类解码器对中继信号数据进行解码,得到解码信息。本发明可以提高多用户解码的精度同时降低编解码的复杂度。

    一种密集网络中的服务基站的选择方法及系统

    公开(公告)号:CN109041117B

    公开(公告)日:2022-08-02

    申请号:CN201811221272.9

    申请日:2018-10-19

    Applicant: 安徽大学

    Abstract: 本发明公开一种密集网络中的服务基站的选择方法及系统,所述选择方法包括:首先计算用户u随机到达位置r处连接到至少两个能量受限的基站的传输速率,判断是否只有一个所述传输速率大于最低服务质量所需要的数据率,若是,则选择传输速率大于最低服务质量所需要的数据率的基站作为服务基站;若否,则根据每个能量受限的基站的剩余能耗和所述用户随机到达位置处连接到基站的传输速率,以确定所选择的服务基站。本发明同时考虑到了吞吐量和生存时间等因素,综合考量服务基站的选择,同时,本发明在移动终端的链路接入上,尽量平衡多个基站的吞吐量,本发明的方法可以综合考虑能耗情况,延长网络寿命和所有基站的工作时间。

    一种采用多维博弈的移动边缘计算移动端能效优化方法

    公开(公告)号:CN110708713B

    公开(公告)日:2022-07-29

    申请号:CN201911036419.1

    申请日:2019-10-29

    Applicant: 安徽大学

    Abstract: 本发明公开一种采用多维博弈的移动边缘计算移动端能效优化方法,包括:博弈论中,包括卸载决策和传输功率;选择卸载决策和传输功率;在每个并行的决策时隙中,接收除用户终端所在小区以外的其它小区的干扰信息,以计算得到传输速率;根据所述传输速率,以选择最优响应决策;判断决策时隙的用户终端决策是否等于所述最优响应决策,若所述决策时隙的用户终端决策不等于所述最优响应决策,则更新所述决策时隙的用户终端决策进入下一决策时隙的迭代,若所述决策时隙的用户终端决策等于所述最优响应决策,则所述决策时隙的用户终端决策为最优响应决策,通过多次迭代,直至系统达到纳什均衡。本发明避免了资源的浪费,保证了内部的资源分配均衡。

    基于组梯度追踪的低复杂度多用户检测方法

    公开(公告)号:CN114375004A

    公开(公告)日:2022-04-19

    申请号:CN202111661531.1

    申请日:2021-12-30

    Applicant: 安徽大学

    Abstract: 本发明涉及一种基于组梯度追踪的低复杂度多用户检测方法,该方法包括下列顺序的步骤:用户设备的发送数据调制;用户设备的发送数据扩频和传输;基站端获取等效信道系数矩阵;迭代检测的初始化;活跃用户检测;检测数据输出。本发明通过将前一时隙使用梯度追踪算法挑选出的活跃用户支撑集作为下一时隙的初始支撑集,降低了除第一时隙以外其他时隙的迭代次数,同时使用决策衰弱的思想,每次迭代可挑选出多个活跃用户,加快算法的收敛速度。从避免矩阵求逆和减少迭代次数两个角度,有效降低了复杂度,而梯度追踪算法的引入仍能保证算法的收敛性。本发明以较小的精度代价,换取了复杂度的有效降低。

Patent Agency Ranking