-
公开(公告)号：CN115733533B
公开(公告)日：2023-07-11
申请号：CN202211396148.2
申请日：2022-11-09
Applicant: 哈尔滨工业大学(深圳)
IPC: H04B7/06 , H04B7/08 , H04B7/0456 , G06F17/11
Abstract: 本发明公开了一种基于流形的IRS辅助去蜂窝大规模MIMO系统波束赋形方法，基于IRS辅助CF‑mMIMO系统的WSR最大化问题，考虑了IRS相位为更加实际的离散的情况，约束条件为接入点端最大传输功率和IRS端相位可行解，本发明首先通过拉格朗日对偶转化算法将原始优化问题解耦为两个子优化问题：接入端有源波束赋形问题和IRS端无源波束赋形问题。对于IRS端无源波束赋形问题，提出了一种基于流形的无源波束赋形算法，然后通过交替优化两个子问题，解决了原始非常具有挑战性的非凸优化问题。本发明提出的基于流形的无源波束赋形算法不仅在性能上优于无源MM波束赋形算法，而且具有更低的复杂度。
-
公开(公告)号：CN115767703A
公开(公告)日：2023-03-07
申请号：CN202211398758.6
申请日：2022-11-09
Applicant: 哈尔滨工业大学(深圳)
IPC: H04W52/22 , H04W52/36 , H04B7/0413 , G06F17/11
Abstract: 本发明公开了一种面向SWIPT辅助去蜂窝大规模MIMO网络的长期功率控制方法，方法面向SWIPT辅助的CF‑mMIMO网络下的功率控制，在满足接入网络的物联网用户电池电量充足，并且关键的控制信息可达的前提下，最大化长期系统速率，通过李雅普诺夫优化理论将长期优化问题拆分成两个子优化问题，结合内点法和凸优化理论，提出了联合优化上下行功率控制因子和时隙能量控制因子的功率控制方法。本发明所提出的长期功率控制方法能够实现系统更好的速率性能以及能效性能，另一方面，在不同的调节参数下，能根据情况的不同调节速率‑能效权衡的侧重点，适合用于实际的SWIPT辅助的CF‑mMIMO网络。
-
公开(公告)号：CN114363931A
公开(公告)日：2022-04-15
申请号：CN202210015678.1
申请日：2022-01-07
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种面向多接入点场景的共生无线电系统的资源分配方法，本发明提出了联合优化时隙分配因子，功率分配因子，次用户反射系数的资源分配问题，考虑到多参数优化的复杂性以及优化目标函数的凹凸性，本发明提出了结合凸优化、块坐标下降法算法和凹凸过程算法的资源分配方法。本发明的有益效果是：本发明所提出的资源分配方法能够实现系统更好的公平性性能，另一方面，本发明资源分配方法的收敛速度很快，适合用于多接入点的共生无线电系统。
-
公开(公告)号：CN114122733A
公开(公告)日：2022-03-01
申请号：CN202111455656.9
申请日：2021-12-01
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种可吸波离散相移智能反射表面，由相同结构尺寸的单元在二维方向上以单元边长为周期排列，所述智能反射表面单元包括从上至下的第一空气层、吸波控制层、第二空气层、调相层和第三空气层，以及最底层的金属反射层；其中，吸波控制层通过一个二极管的通断决定智能反射表面单元处于反射状态或吸波状态；吸波控制层的金属部分贴片为三角形和半圆形组合的渐变结构，渐变结构的中间窄、两头宽；调相层的相位控制采用离散相位调控，通过控制二极管的通断实现四个近似90度的相移。本发明创新地在智能反射表面的单元结构中加入吸波结构，使得每个智能反射表面的单元都可以在反射模式和吸波模式之间进行切换从而获得了额外的自由度。
-
公开(公告)号：CN113950023A
公开(公告)日：2022-01-18
申请号：CN202111211936.5
申请日：2021-10-18
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种无人机辅助通信方法、系统及存储介质，包括：步骤1：初始化无人机水平飞行轨迹和上下行总功率；步骤2：优化用户调度；步骤3：优化公平感知的上下行功率分配问题；步骤4：优化无人机水平飞行轨迹；步骤5：判断算法是否收敛，若是，结束，否则执行步骤2。本发明的有益效果是：本发明结合UL高需求型系统的实际考虑，研究了NOMA辅助无人机系统的DL和UL中用户之间的公平性和资源分配。考虑到用户的公平性，建立了最大化用户间最小平均速率的优化问题。然后，本发明提出了同时考虑无人机轨迹设计、用户调度和PA的JOSPT算法。所提出的JOSPT算法在最小平均速率和用户之间的公平性方面比现有技术高出很多。
-
Patent Agency Ranking
公开(公告)号：CN113950023B
公开(公告)日：2024-04-19
申请号：CN202111211936.5
申请日：2021-10-18
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种无人机辅助通信方法、系统及存储介质，包括：步骤1：初始化无人机水平飞行轨迹和上下行总功率；步骤2：优化用户调度；步骤3：优化公平感知的上下行功率分配问题；步骤4：优化无人机水平飞行轨迹；步骤5：判断算法是否收敛，若是，结束，否则执行步骤2。本发明的有益效果是：本发明结合UL高需求型系统的实际考虑，研究了NOMA辅助无人机系统的DL和UL中用户之间的公平性和资源分配。考虑到用户的公平性，建立了最大化用户间最小平均速率的优化问题。然后，本发明提出了同时考虑无人机轨迹设计、用户调度和PA的JOSPT算法。所提出的JOSPT算法在最小平均速率和用户之间的公平性方面比现有技术高出很多。
-
公开(公告)号：CN114204969B
公开(公告)日：2022-09-27
申请号：CN202111414441.2
申请日：2021-11-25
Applicant: 哈尔滨工业大学(深圳)
IPC: H04B7/0413 , H04W24/02 , H04W24/06
Abstract: 本发明公开了一种用于去蜂窝大规模MIMO系统的数据删失和融合方法，系统包括N个接入点、K个用户以及1个中央处理器，方法包括:建立数据删失模型和能量收集模型；根据数据删失模型和能量收集模型，以最小数据融合误差为目标函数、以接入点的能量约束为限制条件得到删失门限；中央处理器将删失门限与最小均方算法或递归最小二乘算法结合执行数据融合并更新数据删失模型中的参考值。本发明针对去蜂窝大规模MIMO系统，通过数据删失模型和能量收集推导出删失门限，并将删失门限与最小均方算法或递归最小二乘算法结合执行数据融合，实现最优删失，在不降低融合精度的情况下延长了系统寿命。
-
公开(公告)号：CN114363911A
公开(公告)日：2022-04-15
申请号：CN202111675427.8
申请日：2021-12-31
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种部署分层联邦学习的无线通信系统及资源优化方法，系统以部署了云服务器的基站为分层联邦学习架构中的全局参数服务器，执行全局参数的聚合操作；以基站服务范围内的工作节点为联邦学习工作节点，工作节点进行自适应分组，并选举出每个分组的头节点，作为工作节点和云服务器之间的桥梁和局部聚合器。每个分组内的物联网节点利用本地数据集迭代训练，并通过D2D模式完成本地参数的上传到分组头节点。分组节点以频分多址FDMA方式接入基站，完成联邦学习任务的分配和接收以及训练过程中的参数更新和交换。本发明解决传统分层联邦学习架构的缺陷，有效降低系统开销。
-
公开(公告)号：CN112040498B
公开(公告)日：2021-11-02
申请号：CN202010765357.4
申请日：2020-08-03
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于定点迭代的无线供能传感器网络时间分配方法，在ST‑WPSNs中满足传感器吞吐量需求的条件下，为最小化网络的能量消耗，以延长HAP的服务时间，本发明根据所提出的优化问题的特征，结合定点迭代法，设计了一种低复杂度的自适应动态时间分配方法，该方法在每个传输周期开始前，都通过计算得出该传输周期内的最优能量传输和传感器数据传输的时间分配，在满足传感器吞吐量需求的约束条件下，实现了网络能量消耗最小化的目标。相比于现有的采用传统凸优化方法求解的方法，本发明方法的运算复杂度明显降低，并且考虑了原始优化问题可行集为空的特殊情形，具有更高的鲁棒性，更加适用于ST‑WPSNs场景。
-
公开(公告)号：CN114172575B
公开(公告)日：2023-06-27
申请号：CN202111458317.6
申请日：2021-12-01
Applicant: 哈尔滨工业大学(深圳)
IPC: H04B10/116 , H04B10/60 , H04L25/02
Abstract: 本发明提供了一种基于直流偏置的采样时间偏移和信道联合盲估计方法，应用于DCO‑OFDM系统，所述方法利用最大似然法构建出一个接收端直流偏置估计信号，并根据最大似然原则构建代价函数，当代价函数最小时，直流信号能量正好被消除，此时可得到采样时间偏移和信道估计。本发明的方法在不使用导频的情况下得出较为准确的采样时间偏移和可见光信道冲激响应，具有较高的频谱利用率，同时具有对LED限制带宽的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.01 seconds)
