公开(公告)号：CN114389652B

公开(公告)日：2023-06-20

申请号：CN202111610897.6

申请日：2021-12-27

Applicant: 南京邮电大学

Inventor： 赵海涛 ,  谈宇浩 ,  刘琨 ,  夏文超 ,  倪艺洋 ,  张晖 ,  徐林林 ,  朱洪波

IPC: H04B7/0413 ,  H04B7/0426 ,  H04B7/0452 ,  H04W52/34

Abstract: 本发明公开了一种去蜂窝大规模MIMO网络低功耗大连接方法，该方法按照以下步骤进行：1)选择被服务设备，确定相干时间；2)利用参考信号得到设备上行信道估计值；3)根据设备数确定功率分配法则，依据该法则确定各设备发射功率；4)对波束形成矩阵以及接入点的分簇方案进行联合优化；5)每经过时间Thold，重新进行发射功率分配和AP分簇。本发明在降低设备能耗的同时，提高了系统容量。

公开(公告)号：CN116208208A

公开(公告)日：2023-06-02

申请号：CN202310040908.4

申请日：2023-01-12

Applicant: 南京邮电大学

Inventor： 夏文超 ,  周星光 ,  徐林林 ,  赵海涛

IPC: H04B7/0452 ,  H04B7/0426 ,  H04B7/06 ,  H04B7/08 ,  H04L25/02

Abstract: 本发明公开了一种面向短包通信的部分叠加导频优化方法，对部分叠加导频信号进行LMMSE信道估计，得到估计信道；利用估计信道消除部分叠加导频信号中的导频干扰并进行MRC数据检测，获得用户的有效信干噪比，根据有效信干噪比确定URLLC遍历可达速率下界的表达式；基于URLLC遍历可达速率下界的表达式，以最大化URLLC可达速率加权和为优化目标构建加权和速率最大化问题；将加权和速率最大化问题转变为几何规划问题并进行求解，得到所有用户导频和数据的最优功率分配。优点：本发明解决了短包传输中导频开销显著的问题，使得基于部分叠加导频的短包传输比基于传统的叠加导频和常规导频具有更高的传输速率。

公开(公告)号：CN117119597A

公开(公告)日：2023-11-24

申请号：CN202311088650.1

申请日：2023-08-25

Applicant: 南京邮电大学

Inventor： 夏文超 ,  张晨虎 ,  徐林林 ,  倪艺洋 ,  王琴 ,  赵海涛 ,  蔡艳 ,  张晖 ,  朱洪波

IPC: H04W72/0457 ,  H04W4/30

Abstract: 本发明公开了一种面向物联网终端协作学习的资源分配方法、装置、介质及设备，所述方法包括：获取分布式联邦学习全局模型的无线网络，所述无线网络中有1台边缘服务器和多个物联网终端；利用预设的分簇算法将物联网终端分簇，得到分簇结果；基于分簇结果，根据物联网终端的本地数据样本数量，分配簇中每个物联网终端CPU和GPU的工作频率；基于分簇结果，根据无线网络的总带宽和每个物联网终端的实时信道状况，为簇中每个物联网终端动态分配带宽。本发明能够改善无线联邦学习中由于计算资源和网络带宽资源受限导致的训练进程中能量消耗过高的情况。

公开(公告)号：CN116260490A

公开(公告)日：2023-06-13

申请号：CN202310548064.4

申请日：2023-05-16

Applicant: 南京邮电大学

Inventor： 夏文超 ,  陈逸捷 ,  徐林林 ,  赵海涛

IPC: H04B7/0426 ,  H04B7/0456 ,  H04W28/06 ,  H04L25/02

Abstract: 本申请涉及一种面向去蜂窝多天线系统的前传压缩与预编码方法。该方法包括：利用上下行对偶关系，将下行预编码与压缩噪声设计问题转化为上行优化问题求解，获得训练样本集，采用随机梯度下降算法对神经网络模型进行训练，获得训练好的神经网络模型，进而将获取的信道矩阵输入预先训练好的神经网络模型进行预测，获得上行功率分配向量预测值进行分析，确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵，根据下行波束成形矩阵和下行功率分配向量，对待传输的数据进行预编码，获得编码后的数据，根据下行压缩噪声矩阵对编码后的数据进行压缩，获得压缩后的数据，保证了Cell‑free MIMO系统高性能的前提下降低计算时延。

公开(公告)号：CN115470892A

公开(公告)日：2022-12-13

申请号：CN202211261064.8

申请日：2022-10-14

Applicant: 南京邮电大学

Inventor： 夏文超 ,  周欢 ,  徐林林 ,  吕锦钰 ,  倪艺洋 ,  赵海涛

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于连续学习的波束成形深度神经网络训练方法及系统，该系统包括内存集模块、混合模块、波束成形矩阵恢复模块、神经网络模块。进入新时隙，在每个时隙的训练过程中，将内存集与当前时隙样本集混合供模型进行训练，在当前时隙的训练周期结束后，将内存集和当前时隙样本集送入训练后的模型产生预测输出。针对所有样本的预测值，模型计算性能函数值，依据每个样本性能，按不同比例从内存集和当前时隙样本集中挑选性能表现差的样本更新内存集，再次进入新的时隙时，并迭代执行上述步骤，获得最优模型权重。本发明基于连续学习的波束成形深度神经网络训练方法适应动态变化的实际通信环境，在信道分布变化的情况下保持良好的通信性能。

公开(公告)号：CN114841366A

公开(公告)日：2022-08-02

申请号：CN202210408140.7

申请日：2022-04-19

Applicant: 南京邮电大学

Inventor： 夏文超 ,  王思洋 ,  徐波 ,  徐林林

IPC: G06N20/00 ,  G06K9/62 ,  G06V10/70 ,  H04W24/06

Abstract: 本发明公开了一种基于无线联邦学习的学习模型训练方法，该方法按以下步骤进行：1)以任务发布者发出的奖励R和移动用户n的本地迭代精度εn作为变量，采用主从博弈法，确定最佳奖励和移动用户n的最佳本地精度值2)系统根据所得奖励值和本地精度值初始化相关参数完成模型训练。本发明中任务发布者通过设定合理的奖励鼓励移动用户参与训练提升模型精度，同时移动用户能够根据自身的资源状态确定本地精度，最终实现任务发布者和移动用户最大化各自的效益。

公开(公告)号：CN114089744A

公开(公告)日：2022-02-25

申请号：CN202111285053.9

申请日：2021-11-01

Applicant: 南京邮电大学

Inventor： 倪艺洋 ,  孙文雪 ,  曹逸飞 ,  夏文超 ,  赵海涛 ,  张晖 ,  徐林林 ,  蔡艳 ,  邵澄 ,  朱洪波

IPC: G05D1/02

Abstract: 本发明涉及一种基于改进Raft算法选择车辆队列领航车的方法，包括1)车辆队列初始化，将具有相同目的地且车辆间保持稳定较小车距的车辆编队；2)选择临时领航车；3)基于车辆动力性能指标参数的加权评估值选择队列候选领航车；4)利用改进Raft算法选出队列领航车和备用领航车；5)实时检查领航车状态，当领航车出现异常情况时及时采用备用领航车进行工作。本方法在车辆队列行驶时，能够快速选举出领航车，进而有效的控制整个队列的行驶。在发生突发状况时，领航车能够迅速做出反应，从而阻止事故的发生，增强行车安全性。特别地，备用领航车在当前领航车失效或发生故障时，进一步保证车辆队列行驶的安全与稳定性。