-
公开(公告)号：CN118784153A
公开(公告)日：2024-10-15
申请号：CN202410934239.X
申请日：2024-07-12
Applicant: 暨南大学
IPC: H04L1/00 , H04L1/1607 , H04L1/1812
Abstract: 本发明公开了一种基于码合并HARQ辅助稀疏码多址接入方法，步骤如下：确定传输模式，同步传输模式所有的用户数据在同一时间开始传输和结束，所有用户都接收到确认信号后开始传输新的数据，异步传输模式允许用户在不同时间传输数据，用户在接收到确认信号后即开始新的数据传输；对每个用户待传输数据包进行编码，生成一个编码序列；在接收端联合所有HARQ轮接收到的信号使用聚合因子图方法或比特级合并方法进行多用户检测，然后进行信道译码恢复数据比特；最后判断被恢复的比特是否通过CRC校验，若通过CRC校验，发送确认信号，否则发送否认信号；重复执行上述步骤，实现提出的通信方案。本发明能有效提高SCMA通信的可靠性性能。
-
公开(公告)号：CN114390630B
公开(公告)日：2024-05-07
申请号：CN202111429460.2
申请日：2021-11-29
Applicant: 暨南大学
IPC: H04W40/10
Abstract: 本发明公开了一种基于信息年龄的物联网通信方法、装置、计算机设备及存储介质。该方法步骤如下：引入智能反射面(RIS)反射传感器信号给基站，运用增量冗余混合自动重发请求(HARQ‑IR)技术改善信号接收质量；基站端收集信道状态信息的统计知识，通过优化设计智能反射面的相位偏移、传输速率及发送功率构建信息年龄(AoI)的最小化问题，同时保证功耗受限以及低中断概率；基于视线信道传播系数设计RIS最优相移；基于交替迭代优化思想利用连续上界最小化以及几何规划逼近分别对发送功率和传输速率进行迭代求解，直至算法收敛。本发明利用RIS技术降低传输延时以及中断概率的渐进表达式简化面向AoI物联网系统的优化设计。
-
公开(公告)号：CN114390630A
公开(公告)日：2022-04-22
申请号：CN202111429460.2
申请日：2021-11-29
Applicant: 暨南大学
IPC: H04W40/10
Abstract: 本发明公开了一种基于信息年龄的物联网通信方法、装置、计算机设备及存储介质。该方法步骤如下：引入智能反射面(RIS)反射传感器信号给基站，运用增量冗余混合自动重发请求(HARQ‑IR)技术改善信号接收质量；基站端收集信道状态信息的统计知识，通过优化设计智能反射面的相位偏移、传输速率及发送功率构建信息年龄(AoI)的最小化问题，同时保证功耗受限以及低中断概率；基于视线信道传播系数设计RIS最优相移；基于交替迭代优化思想利用连续上界最小化以及几何规划逼近分别对发送功率和传输速率进行迭代求解，直至算法收敛。本发明利用RIS技术降低传输延时以及中断概率的渐进表达式简化面向AoI物联网系统的优化设计。
-
公开(公告)号：CN113644940A
公开(公告)日：2021-11-12
申请号：CN202110756403.9
申请日：2021-07-05
Applicant: 暨南大学
IPC: H04B7/0413 , H04B7/06 , H04B7/08 , H04B17/391
Abstract: 本发明公开了一种基于统计CSI的智能反射面的相移设计方法，该方法包括以下步骤：首先，获取收发端与智能反射面(RIS)的参数配置、信道状态信息(CSI)的统计知识；然后利用统计CSI优化RIS的相位偏移使得中断概率最小；继而运用中断概率的渐近表达式简化优化问题；最后，使用数值优化方法如遗传算法迭代求解最佳相位偏移值。本发明利用CSI的统计知识进行RIS相位偏移的优化设计，从而避免了频繁的信道估计、信令交互等引起通信系统开销；此外，基于渐进中断概率实现的最佳设计方法具有极低复杂度。
-
公开(公告)号：CN110855335B
公开(公告)日：2021-06-11
申请号：CN201911015106.8
申请日：2019-10-24
Applicant: 暨南大学
Inventor： 施政 , 杨光华 , 塞奥佐罗斯·特斯菲斯 , 马少丹 , 屈挺
IPC: H04B7/0426 , H04B7/0413 , H04W52/14 , H04W52/26 , H04W72/04 , H04W72/08
Abstract: 本发明公开了一种基于功率与速率联合优化的下行虚拟MIMO‑NOMA方法，该方法包括以下步骤：首先，终端节点通过自组网协议形成若干虚拟阵列天线簇，每簇将路径损耗和信道统计特征汇报给基站；然后，在基站侧构建系统平均吞吐量最大化问题，利用交替迭代优化算法进行功率和速率的联合优化；接下来，基站将NOMA解码顺序信息反馈至各簇，使用预编码与叠加编码技术对各簇请求的多数据流进行功率域复用；最后，利用迫零检测来分割数据量以及连续干扰消除技术进行期望信号解码。与传统OMA、NOMA以及虚拟MIMO技术相比，该方法在高信噪比可以显著提高系统容量并保证了簇公平性。
-
Patent Agency Ranking
公开(公告)号：CN112566159A
公开(公告)日：2021-03-26
申请号：CN202011361675.0
申请日：2020-11-27
Applicant: 暨南大学
IPC: H04W24/02 , H04B7/0456
Abstract: 本发明公开了一种基于MIMO‑NOMA的增强型小蜂窝下行通信方法，该方法包含以下步骤：首先，获取基站、NOMA用户以及NOMA配对策略等相关初始化参数以及信道的统计状态信息；然后利用干扰对齐技术进行NOMA远近用户的接收线性滤波器的设计；继而确定基站端的预编码矩阵；最后，在给定最大可容许的中断概率条件下，通过最大化长期平均吞吐量来优化设计所有NOMA用户的传输速率。与现有的方法如有预编码的MIMO‑OMA、无预编码MIMO‑OMA、以及无预编码MIMO‑NOMA相对比，本发明所提出方法可以有效提升吞吐量，尤其在NOMA用户对的信道差异越显著时表现更优。
-
公开(公告)号：CN111241907A
公开(公告)日：2020-06-05
申请号：CN201911171966.0
申请日：2019-11-26
Applicant: 暨南大学
Abstract: 本发明提供一种基于深度卷积神经网络的幼禽生物特征识别装置，包括：幼禽定位模块，包括级联的多个卷积神经网络子模块和至少一个全连接层子模块，幼禽定位模块输入包含有幼禽的原图像，经运算后输出幼禽在原图像中的预测的位置信息；剪裁模块，根据位置信息对原图像执行裁剪处理，输出裁剪大部分背景后的幼禽外观图像；以及识别模块，包括级联的至少由第一卷积神经网络子模块、扩展卷积子模块以及第二卷积神经网络子模块级联构成的识别子模块，和至少一个全连接层子模块，所述识别模块输入所述幼禽外观图像，经运算后输出识别结果。如此，本通过卷积层的递增完成由粗到细的特征提取过程，能够高精度地完成识别。
-
公开(公告)号：CN108631965A
公开(公告)日：2018-10-09
申请号：CN201810457440.8
申请日：2018-05-14
Applicant: 暨南大学
IPC: H04L1/18 , H04L1/00 , H04B17/391 , H04B17/382 , H04B17/336
Abstract: 本发明一种公开了HARQ-IR在相关莱斯衰落场景下的吞吐量最大化设计方法，实现了存在直视路径和时间相关性条件下发送功率和传输速率的优化设计方案。该方案基本思想是利用趋近性分析结果来最大化吞吐量同时约束最大平均总发送功率，步骤如下：首先根据信道状态信息的统计特征推导趋近性中断概率；结合功率约束构建吞吐量最大化问题，利用趋近性分析结果将优化问题分解成两个子优化问题，即功率分配和速率选择；最后根据最优功率和速率选择合理的传输方案。与瑞利衰落场景相比，存在直视路径的莱斯衰落有利于提高系统性能，而相比于传统方法，采用趋近性中断概率进行优化不但降低计算复杂度，同时也不损失系统性能。
-
公开(公告)号：CN108600997A
公开(公告)日：2018-09-28
申请号：CN201810286303.2
申请日：2018-04-03
Applicant: 暨南大学
Abstract: 本发明公开了一种基于HARQ辅助NOMA的大规模D2D通信方法，该方法首先利用随机几何方法分析大规模D2D网络中叠加干扰对中断概率的影响，然后利用中断概率与频谱效率之间的关系，推导出频谱效率的具体表达式；最后基于这些理论分析结果构建资源分配的优化问题：通过合理设置不同D2D用户的信息传输速率甚至占用相同时频资源D2D终端的分布密度来最大化频谱效率(吞吐量或空间频谱利用率)并同时保证通信的可靠性。仿真和数值结果显示，本发明所提供的协作方式应用方案比非协作方式在中断概率上降低了23％，此外，应用非正交多址接入技术比应用正交多址接入技术在频谱效率上提高了17％。
-
公开(公告)号：CN111241907B
公开(公告)日：2023-04-28
申请号：CN201911171966.0
申请日：2019-11-26
Applicant: 暨南大学
IPC: G06V40/10 , G06V10/22 , G06V10/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q50/02
Abstract: 本发明提供一种基于深度卷积神经网络的幼禽生物特征识别装置，包括：幼禽定位模块，包括级联的多个卷积神经网络子模块和至少一个全连接层子模块，幼禽定位模块输入包含有幼禽的原图像，经运算后输出幼禽在原图像中的预测的位置信息；剪裁模块，根据位置信息对原图像执行裁剪处理，输出裁剪大部分背景后的幼禽外观图像；以及识别模块，包括级联的至少由第一卷积神经网络子模块、扩展卷积子模块以及第二卷积神经网络子模块级联构成的识别子模块，和至少一个全连接层子模块，所述识别模块输入所述幼禽外观图像，经运算后输出识别结果。如此，本通过卷积层的递增完成由粗到细的特征提取过程，能够高精度地完成识别。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.017 seconds)
