-
公开(公告)号：CN108833051A
公开(公告)日：2018-11-16
申请号：CN201810387035.3
申请日：2018-04-26
Applicant: 西安交通大学
IPC: H04L1/00
Abstract: 一种基于最小化量化误差L1范数的对数似然比均匀量化方法，包括以下步骤：第一步、根据LLR公式计算每个样本符号的原始对数似然比；第二步、计算量化区间对应的量化结果，得到原始对数似然比量化误差的L1范数；第三步、利用黄金分割法找出使量化误差的L1范数最小的量化间隔，实现均匀量化。本发明在对数似然比的概率分布无法准确已知的情况下，克服以往依靠LLR的分布进行量化的方法无从下手的问题，只需要利用符号样本计算LLR量化误差，就能够进行均匀量化，克服了对LLR概率分布的依赖性。此外，对数似然比的量化误差采用L1范数进行计算，更符合对数似然比的对数特性，而且在性能上有明显改善。
-
公开(公告)号：CN108322932A
公开(公告)日：2018-07-24
申请号：CN201810468769.4
申请日：2018-05-16
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于CSMA-TDMA的无线自组织网络节点同步方法，包括以下步骤：1)将整个时间轴以超帧为单位进行划分，每个超帧包含一个CSMA帧和N-1个TDMA帧，其中在CSMA帧完成节点间同步和邻居节点发现；在TDMA帧完成数据传输；2)CSMA帧划分为同步子帧和随机接入子帧，其中，节点在同步子帧完成同步包的发送和接收，结合本地时钟实现网络定时同步；随机接入子帧完成邻居节点发现以及节点之间测距；3)每个TDMA帧由M个时隙组成，在TDMA帧内分为两种逻辑信道：广播信道和业务信道。该方法解决已有方法网络效率低下、难以实现网络自同步的问题。
-
公开(公告)号：CN107360624A
公开(公告)日：2017-11-17
申请号：CN201710666889.0
申请日：2017-08-07
Applicant: 西安交通大学
IPC: H04W56/00 , H04L27/26 , H04B7/0413
Abstract: 本发明公开了一种基于多段重复前导序列的定时粗同步方法，该方法通过发射具有重复特性的前导序列，在接收端用多个天线进行接收，并对多段接收信号进行平滑和自相关构造定时测量变量λ(d)。当定时测量变量值大于设置的检测门限值时，便认为达到定时粗同步点。本发明能在低信噪比下实现定时粗同步，最优检测门限值可以根据不同系统参数下的蒙特卡罗仿真结果预先设定，从而使粗同步错误概率大大降低。
-
公开(公告)号：CN103236877B
公开(公告)日：2015-07-01
申请号：CN201310138667.3
申请日：2013-04-19
Applicant: 西安交通大学
Abstract: 本发明公开了一种用于安全无线通信的权值反馈型反向训练方法，其特征在于：发射方Alice和目标用户Bob进行反向训练，Bob切换天线向Alice发送约定符号，由Alice训练得到Bob解调所需的权值，并将其反馈给Bob，训练过程结束后，双方按照跳空图案收发信号，就能保证信息正确传输；由于期望通信双方采用反向训练方法，侦听方Eve无法获得她与Alice间的信道，即便窃取了跳空图案和Alice反馈给Bob的权值，由于信道的差异性，该权值与Eve的信道不匹配，Eve仍然无法正确解调信息。本发明通过仿真实验表明，在跳空图案公开的情况下，Eve根本无法破解这种反向训练方法，其解调的误符号率始终极高，无法恢复原始信息，从而验证了本发明极其优越的安全性能。
-
公开(公告)号：CN102340338B
公开(公告)日：2013-11-06
申请号：CN201110321783.X
申请日：2011-10-21
Applicant: 西安交通大学
IPC: H04B7/04
Abstract: 本发明公开了一种TDD模式下的基站阵列天线通道校正方法，其特征在于，下行时隙，基站的N个天线分别在N个子时隙T1，T2，…，TN内发送相同的基带信号，同时校正设备接收到信号之后将分别与做互相关运算，对互相关结果取相位值，得到上行时隙，校正设备在R1，R2，...，RN子时隙轮流发送基带信号： 式中是频偏补偿项；同时基站的M个天线接收到的基带信号分别为 之后将与n＝2，…，N，做互相关，互相关结果的相位值Ψ2，Ψ3，…，ΨN即为各通道的校正相位。
-
Patent Agency Ranking
公开(公告)号：CN119052822A
公开(公告)日：2024-11-29
申请号：CN202411083848.5
申请日：2024-08-08
Applicant: 西安交通大学
IPC: H04W24/02 , H04B17/391
Abstract: 本发明公开了一种通信感知一体化发射信号确定方法、装置和设备，涉及通信感知一体化技术领域。本发明先获取通感一体化基站到不同用户的信道状态信息以及到探测目标处的导向向量，再基于此构建通信模型和雷达模型，从而以通信感知一体化发射信号为优化变量，以探测目标的照明功率要求和预设总功率要求为约束，以最大化用户间最小通信缩放因子为优化目标，构造通感一体化发射信号优化模型并求解，在求解时将优化模型转化为多个凸子问题并分别进行求解，以各凸子问题的最优解作为通感一体化发射信号优化模型的局部最优解，从多个局部最优解中确定全局最优解，得到优选的通信感知一体化发射信号。简化了优化模型的结构与求解过程，降低了计算复杂度。
-
公开(公告)号：CN118784151A
公开(公告)日：2024-10-15
申请号：CN202410880393.3
申请日：2024-07-02
Applicant: 西安交通大学
IPC: H04L1/00
Abstract: 本发明提出了一种基于极化码和对极正交扩频的编码调制与迭代解调译码方法，该方法将信令数据与业务数据同时传输，在发射端将信令数据与业务数据同时进行基于对极正交扩频的极化编码调制；在接收端先对信令数据进行译码，通过译码结果的软信息反馈辅助对业务数据进行译码，进一步将解调译码过程进行迭代处理。本发明能在低信噪比下实现高可靠性的通信，相比于一般的编码调制方式可以有效降低误帧率，提升系统性能。
-
公开(公告)号：CN118191724A
公开(公告)日：2024-06-14
申请号：CN202410328823.0
申请日：2024-03-21
Applicant: 西安交通大学
IPC: G01S3/14
Abstract: 本发明提出一种基于自适应数字波束成形的和差波束测向方法，该方法首先将非规则天线阵列分别以x轴和y轴为界限划分为上、下、左、右四个子阵，各子阵首先分别通过自适应数字波束成形进行空域抗干扰，使得阵列具备自适应抗干扰能力，提升后续测向精度；然后通过迭代的方式改变和差波束算法的先验方向，并对各子阵合成的抗干扰波束进行相位、幅度的补偿，进而使用和差波束迭代求解目标信号方向，直至算法收敛到预设的阈值范围。本方法在收敛时信号方向估计更加精确，从而解决非规则阵列在强干扰环境下的高精度测向跟踪问题。
-
公开(公告)号：CN112052086B
公开(公告)日：2023-06-20
申请号：CN202010740465.6
申请日：2020-07-28
Applicant: 西安交通大学
Abstract: 本发明提供的一种移动边缘计算网络中的多用户安全节能资源分配方法，包括以下步骤：步骤1，当前时隙K个用户接入基站，基站通过信道训练获得该用户的信道状态信息；设定时分双工，信道互易，且信道服从准静态块衰落模型；步骤2，计算各用户本地计算所消耗的能量、以及各用户卸载任务所消耗的能量；步骤3，根据第二步得到的本地计算所消耗的能量和卸载计算任务所需消耗的能量，构建优化问题，所述优化问题包括优化目标和约束条件，该优化目标是指最小化系统的总能耗；步骤4，求解优化问题，得到系统的总耗能的最小值及达到该最小值时所对应的各个优化变量；本发明在实现MEC网络安全节能任务卸载方面显著降低能量消耗。
-
公开(公告)号：CN111245754B
公开(公告)日：2021-07-13
申请号：CN202010006831.5
申请日：2020-01-03
Applicant: 西安交通大学
Abstract: 一种基于深度学习的自适应空域均衡方法，发送端发送数据帧，发送端发送数据帧到达接收端后，接收端有M根天线，将M根天线接收到的数据帧的实部和虚部进行串联，作为深度学习神经网络的输入，发送端发送的理想数据信号作为监督信息，进行神经网络的训练；其中，深度学习神经网络为多层前馈神经网络；训练完成之后进行网络测试，发送端发送新的数据帧到接收端，接收端同样将M根天线接收到的数据帧的实部和虚部进行串联，作为训练完成之后的深度学习神经网络的输入，经过深度学习神经网络的计算完成空域均衡。本发明不仅在均衡过程的复杂度方面有一定程度的改善，而且当干扰与期望用户具有相近入射角度时有持平或者更好的抗干扰性能。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.023 seconds)
