-
公开(公告)号：CN114978383A
公开(公告)日：2022-08-30
申请号：CN202210451243.1
申请日：2022-04-26
Applicant: 华中科技大学
IPC: H04B17/391 , H04B7/0413
Abstract: 本发明公开了一种具有空间一致性的空时频非平稳信道建模方法，包括：S1，设置初始时刻散射簇的参数，并计算生存概率；S2，根据所述生存概率从当前生存的簇中随机选择消亡簇，并根据所述生存概率随机生成新的簇；S3，遍历每个簇，并根据簇所在集合种类，计算时间维度功率衰减因子；S4，根据当前时刻散射簇的参数、天线维度功率衰减因子和时间维度功率衰减因子，计算得到信道传递函数；S5，进入下一个采样时刻，重复S2至S4，直至满足结束条件。如此，采用本发明可模拟大规模MIMO、双边移动、宽带通信场景以及他们的混合场景，在空‑时‑频域具有非平稳性的同时，保证空间一致性，即相邻位置具有相似的信道特性，与真实信道更加贴合。
-
公开(公告)号：CN113595666B
公开(公告)日：2022-05-20
申请号：CN202110788681.2
申请日：2021-07-13
Applicant: 华中科技大学
IPC: H04B17/391 , H04B7/0413 , G06N3/08 , G06N3/04
Abstract: 本发明公开大规模MIMO系统基于时频联合相关性的信道预测方法和系统，属于大规模MIMO无线通信领域。本发明根据实测数据的弱时域相关性和强频域相关性特点，提出了一种基于卷积长短期记忆网络的时频结合信道预测方法，Convolutional LSTM是一种能够同时提取时域和频域特征的深度学习模型，它通过输入的卷积结构提取信道的频域特征，同时利用内部LSTM结构来提取信道的时域特征，将频域上的信道特征应用于时域上的信道预测，从而达到时频联合的信道预测的效果。该方法同时结合时域和频域的特性来对信道进行预测，利用频域的强自相关性来提升时域预测的精度。与现有的仅利用时域相关性进行信道预测的方法相比，所提出的方法具有较高的信道预测的精度。
-
公开(公告)号：CN113783640A
公开(公告)日：2021-12-10
申请号：CN202111008222.4
申请日：2021-08-30
Applicant: 华中科技大学
IPC: H04B17/318 , H04W12/122
Abstract: 本发明公开了一种基于接收信号强度的导频污染攻击检测方法和系统，属于通信领域。包括以下步骤：设定虚警概率并计算基站上行训练阶段相对应的接收信号强度检测阈值；基站根据上行训练阶段的接收信号计算接收信号强度；判断接收信号强度与历史统计值的差值是否大于接收信号强度检测阈值，如果大于阈值，判断当前的接收信号中存在导频污染攻击；否则，认为当前的接收信号中不存在导频污染攻击。本发明能够解决物理层安全中导频污染攻击检测的问题，克服了现有检测方案中需要修改导频结构带来的实用性低的问题。并且本发明可以直接应用到现有的通信标准中。
-
公开(公告)号：CN113783592A
公开(公告)日：2021-12-10
申请号：CN202110992370.8
申请日：2021-08-27
Applicant: 华中科技大学
IPC: H04B7/0456
Abstract: 本发明公开了一种用于波束偏移补偿的混合预编码方法及系统，属于毫米波大规模多天线技术领域。方法包括以下步骤：通过平均子载波信道获得频率无关的平均信道矩阵；对平均信道矩阵进行相位提取得到模拟预编码矩阵，并满足模拟预编码的恒模约束条件；将模拟预编码作用后的信道视为等效信道，并对该等效信道使用迫零预编码算法得到数字预编码矩阵；模拟预编码矩阵与数字预编码矩阵相乘即得到最终的混合预编码矩阵。本发明能够获得一定程度的波束偏移补偿效果，同时具有设计简单、系统开销和计算复杂度小的优点。
-
公开(公告)号：CN112332548A
公开(公告)日：2021-02-05
申请号：CN202011108987.0
申请日：2020-10-16
Applicant: 华中科技大学
Abstract: 本发明属于远距离无线能量传输和无线充电领域，具体公开了一种无线能量传输方法及系统，方法包括：控制基站将能量通过波束赋形集中传输到智能反射表面，并控制智能反射表面采用所吸收的能量调整其相位并形成多个能量波束，以反射至对应的多个用户；智能反射表面分为能量吸收阶段和能量反射阶段；在能量反射阶段智能反射表面接收基站传输的能量并完全传输至多用户，该过程中智能反射表面的自身能量消耗由在先的能量吸收阶段所吸收的能量提供。本发明方法引入智能反射表面，可提高能量传输有效距离和同等距离下能量传输效率，具有较强实用性，可应用于无线传感网络、无人机通信和空天地一体化等通信领域电池容量受限等设备。
-
Patent Agency Ranking
公开(公告)号：CN110351215B
公开(公告)日：2020-08-18
申请号：CN201910576980.2
申请日：2019-06-28
Applicant: 华中科技大学
IPC: H04L27/26
Abstract: 本发明公开一种基于多径时延的多设备信号传输方法、基站及设备，包括：(1)利用同一种LFM信号对各个设备发送信息进行调制(2)根据各个设备多径时延计算出每个设备发送信号在分数域的最小平移量，保证各个设备发送信号经过信道后在分数域不重叠；(3)将各个设备按照计算得到的最小平移量在分数域进行平移后变换回时域；(4)将接收信号按照LFM信号最佳变换阶数变换到分数域，通过矩形窗分离各个设备的接收信号；(5)将分离得到的各个设备信号在分数域逆循环移位，实现多设备信号分离。本发明通过分离多设备信号，易于实现，具有分离精度高和节省时频资源的优势，能够应用于各种多设备或者多设备系统中的信号分离。
-
公开(公告)号：CN108093361B
公开(公告)日：2020-05-19
申请号：CN201711292428.8
申请日：2017-12-08
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于网络信令数据分析的用户定位方法及系统，属于数据分析与处理技术领域，其中，方法的实现包括：根据用户终端反馈的信令数据中的时间提前量和到达角对用户的位置进行粗定位得到粗定位数据；剔除粗定位数据中的重复位置数据得到初始目标定位数据；筛除初始目标定位数据中的异常数据得到目标定位数据；对地图进行分区，标定出第一区域和第二区域，第一区域表示用户可能到达的区域，第二区域表示用户无法到达的区域；将目标定位数据在所述地图上撒点，结合第一区域和第二区域确定用户的目标位置，与其他定位技术相比，本发明设计方法具有估计精度高，应用范围广的优点，同时本发明方法充分利用了运营商网络数据，节约了成本。
-
公开(公告)号：CN105610479A
公开(公告)日：2016-05-25
申请号：CN201610111583.4
申请日：2016-02-29
Applicant: 华中科技大学
CPC classification number: H04B7/0452 , H04L25/0242 , H04L25/0246
Abstract: 本发明公开了一种大规模MU-MIMO系统的信道估计方法，所述方法包括以下步骤：(1)设计生成正交导频信号，避免用户间的干扰；(2)利用正交导频的性质，在接收端消除用户间干扰；(3)利用主成分法计算因子载荷矩阵；(4)估计公共因子；(5)利用信道的相关性和噪声的不相关性去掉噪声，实现信道估计。通过执行本发明的信道估计方法，不仅可得到信道矩阵的估计值，而且具有计算复杂度低、估计精度高和不需要信道统计信息的优势。此外，本发明方法具有较高的实用性，其可应用于具有相关关系的各种系统参数的估计中。
-
公开(公告)号：CN118740693A
公开(公告)日：2024-10-01
申请号：CN202410868027.6
申请日：2024-07-01
Applicant: 国网智能电网研究院有限公司 , 华中科技大学 , 国家电网有限公司
IPC: H04L43/0852 , H04L41/147 , H04L41/16 , G06N3/0464 , G06N3/045 , G06N3/088 , H04L43/0829
Abstract: 本发明提供了一种基于LSTM的分布式资源聚合网络时延分析方法和系统，包括：获取当前时刻前一段时间内的分布式资源聚合网络中两个待研究节点间的网络状态数据序列；将所述网络状态数据序列输入预先构建的时延预测模型，得到预测时刻两个待研究节点间的时延；其中，所述时延预测模型是以历史时段的两个待研究节点间网络状态数据序列为输入，对应的历史预测时刻两个待研究节点间的时延为输出，基于长短期记忆网络训练得到的；本发明在分布式资源聚合中使用时延预测模型通常能够提供较好的预测性能，该模型的参数可以通过历史数据进行训练，从而能够较准确地预测未来的延迟变化，这对于实时决策和网络优化提供了有力支持。
-
公开(公告)号：CN118075148A
公开(公告)日：2024-05-24
申请号：CN202410285956.4
申请日：2024-03-13
Applicant: 华中科技大学 , 国网智能电网研究院有限公司 , 国家电网有限公司
IPC: H04L41/147 , H04L41/14 , H04L41/142 , H04L67/12
Abstract: 本发明属于网关设备时延数据预测技术领域，公开了一种虚拟电厂中网关侧时延时间序列预测模型的构建方法，采用训练样本集训练时延时间序列预测模型；其中，时延时间序列预测模型包括依次连接的权重矩阵更新网络和时延预测网络；权重矩阵更新网络用于将训练样本集与权重矩阵相乘后得到采样后的数据序列，权重矩阵为与训练样本集大小一致的0，1矩阵，0表示训练样本集中对应位置处的数据不采样，1表示对训练样本集中对应位置处的数据采样；每次训练中通过权重矩阵的更新自适应调整输入模型的训练样本集的采样间隔。本发明还提供了虚拟电厂中网关侧时延时间序列预测方法。本发明能够提升虚拟电厂中网关设备时延时间序列预测的准确度。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.051 seconds)
