-
公开(公告)号:CN113645166A
公开(公告)日:2021-11-12
申请号:CN202110727942.X
申请日:2021-06-29
Applicant: 北京邮电大学
IPC: H04L25/03
Abstract: 本公开提供一种分子通信方法及用于分子通信的接收机。该方法在接收端执行,包括:在比特时隙内分别检测从发射端通过生化环境发送的携带原比特的信息的信使分子的第一浓度、生化环境存在的反应物分子的第二浓度、信使分子与反应物分子在生化环境中发生反应生成的产物分子的第三浓度,得到第一浓度曲线、第二浓度曲线和第三浓度曲线;分别对第一浓度曲线、第二浓度曲线和第三浓度曲线进行凹凸性度量,得到第一度量指标、第二度量指标和第三度量指标;通过将第一度量指标、第二度量指标和第三度量指标分别与预设自适应阈值进行比较,获得对原比特的第一检测结果、第二检测结果和第三检测结果;基于各检测结果进行综合判决,以得到原比特的恢复比特。
-
公开(公告)号:CN112436872B
公开(公告)日:2021-09-14
申请号:CN202011203988.3
申请日:2020-11-02
Applicant: 北京邮电大学
IPC: H04B7/0452 , H04B7/06 , H04L25/02
Abstract: 本发明是一种多用户大规模MIMO信道估计方法与装置,针对massive MIMO多用户通信场景。本发明装置包括用户接收信号模块、接收信号协方差矩阵平滑模块、用户到达角快速估计模块、波束成形技术估计信道增益模块以及信道状态信息矩阵重构模块。本发明方法使用快速信道协方差矩阵平滑技术和快速MUSIC谱搜索法对每个用户的每条散射路径的角度进行精确估计,同时保证了极低的复杂度,然后采用波束成形技术预估每条散射路径上的信道增益,最后对状态信息矩阵进行重构。本发明在信道满秩或者低秩情况下都具有十分优异的信道估计性能,超过现今最优MMSE信道估计器,尤其适用于当下5G通信场景对时延和传输速率有很高的要求。
-
公开(公告)号:CN110011980B
公开(公告)日:2020-11-20
申请号:CN201910189900.8
申请日:2019-03-13
Applicant: 北京邮电大学
IPC: H04L29/06 , H04B17/309
Abstract: 本发明公开了一种定位合法用户与窃听用户的方法和系统。所述定位合法用户与窃听用户的方法包括:进行导频训练,确定第一空间谱峰值、第二空间谱峰值、第三空间谱峰值和第四空间谱峰值;根据所述四个空间谱峰值确定第一入射方向、第二入射方向、第三入射方向和第四入射方向以及发射端、合法用户和窃听用户三者间空间距离;根据所述四个入射方向与发射端、合法用户和窃听用户三者间空间距离,对所述合法用户和所述窃听用户进行定位。所述定位合法用户和窃听用户的系统包括发射端、合法用户和窃听用户。
-
公开(公告)号:CN111865842A
公开(公告)日:2020-10-30
申请号:CN202010086709.3
申请日:2020-02-11
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种两阶段低复杂度Massive MIMO信道估计方法、装置及设备,包括:选择第一矩阵估计信息和第二矩阵估计信息,记录第一阶段信道矩阵估计结果HR;根据第一矩阵估计信息和第二矩阵估计信息,得到第一阶段信道矩阵估计结果HR和第二阶段信道矩阵估计结果HC;根据第一阶段信道矩阵估计结果HR和第二阶段信道矩阵估计结果HC计算低维权重矩阵HU,根据HR、HC和HU合成高维信道矩阵H,根据所述高维信道矩阵H得到最优低维权重矩阵 得到信道估计信息。本发明显著降低最佳信道估计算法的计算复杂度和处理时延,采用随机近似矩阵之间误差范数作为优化准则,有效控制了高维信道矩阵的构建精度,准确地实时地获取未知的信道状态信息。
-
公开(公告)号:CN111401513A
公开(公告)日:2020-07-10
申请号:CN202010086791.X
申请日:2020-02-11
Applicant: 北京邮电大学
Abstract: 本说明书一个或多个实施例提供一种基于随机矩阵采样的轻量级深度学习方法与装置,在不牺牲神经网络性能的前提下,降低模型运算时间与空间复杂度,提高计算效率。所述基于随机矩阵采样的轻量级深度学习方法,包括:对神经网络层的高维权重矩阵进行降维处理,得到低维表征矩阵;在推理阶段,根据推理计算复杂度调整低维表征矩阵间乘法顺序;在训练阶段,根据误差矩阵对低维表征矩阵进行更新;对更新后低维表征矩阵进行重叠耦合与再更新变换,得到轻量级的权重矩阵。所述基于随机矩阵采样的轻量级深度学习装置,包括低维权重表征模块、前向推理模块、训练更新模块与权重校准模块。
-
公开(公告)号:CN111310895A
公开(公告)日:2020-06-19
申请号:CN202010086723.3
申请日:2020-02-11
Applicant: 北京邮电大学
Abstract: 本说明书一个或多个实施例提供一种输入特征分解的高效CNN推理方法与装置,能够解决推理计算复杂度高的问题。所述方法包括:利用卷积神经网络卷积层的权重张量对输入张量进行降维展开变换,得到过渡输入张量,对所述过渡输入张量进行行采样操作,得到行表征矩阵;根据所述行表征矩阵对所述过渡输入张量进行列采样操作,得到列表征矩阵;根据所述过渡输入张量、所述行表征矩阵与所述列表征矩阵,计算确定核心表征矩阵;调整所述行表征矩阵、所述列表征矩阵、所述核心表征矩阵与所述权重张量间的相乘顺序,使计算复杂度最低,根据相乘结果确定输出张量。所述装置包括行表征矩阵构建模块、列表征矩阵构建模块、核心表征矩阵构建模块与推理计算模块。
-
公开(公告)号:CN109246176B
公开(公告)日:2020-05-01
申请号:CN201810715834.9
申请日:2018-07-03
Applicant: 北京邮电大学
IPC: H04L29/08
Abstract: 本发明提供一种软件定义网络中基于区块链的多控制器同步方法及装置,所述方法包括:向获取到的接入区块链系统的目标控制器发送共识承认信息,以供所述目标控制器根据所述共识承认信息向所述区块链系统发送包含所述目标控制器的本地信息的第一区块;向每一控制器发送包含所述本地信息的第二区块,以供每一控制器根据所述本地信息更新自身存储的网络视图,实现多个控制器的信息同步。本发明提供的软件定义网络中基于区块链的多控制器同步方法及装置,通过许可链实现多控制器之间的信息同步,减少了不必要的信息交互,提高了控制器的效率,并提高了控制器的安全性和可靠性。
-
公开(公告)号:CN106385274B
公开(公告)日:2019-12-27
申请号:CN201610811493.6
申请日:2016-09-08
Applicant: 北京邮电大学
IPC: H04B7/0413 , H04L5/00
Abstract: 本发明实施例提供了一种大规模MIMO系统中导频分配的方法及装置,方法包括:将蜂窝移动网络中的小区划分为三个或者四个小区分组,使蜂窝移动网络中的相邻小区分别属于不同的小区分组;获取待处理的当前小区;根据当前小区中各用户的信道质量,对当前小区中的用户进行排序,得到排序后的用户列表;根据当前小区中各用户受到的导频干扰量,对当前小区中各用户分别使用的导频序列进行排序,得到排序后的导频序列列表;按照预设的分配规则,将导频序列列表中的各导频序列分别重新分配给用户列表中的各用户。应用本发明实施例既能消除不同组小区之间的导频污染,又能进一步减少同组小区之间的导频污染,提升大规模MIMO系统的通信性能。
-
公开(公告)号:CN107979540B
公开(公告)日:2019-12-24
申请号:CN201710954226.9
申请日:2017-10-13
Applicant: 北京邮电大学
IPC: H04L12/803 , H04L12/823 , H04L12/855
Abstract: 本发明提供一种SDN网络多控制器的负载均衡方法及系统,所述方法包括:S1、获取SDN网络的数据平面发送的待处理数据集以及所述SDN网络的控制平面发送的各个控制器负载反馈信息;S2、基于预设的服务质量QoS学习模块,对所述各个控制器负载反馈信息进行预设次数的学习,以得到所述各个控制器的负载分配方式;S3、将所述待处理数据集中各个数据,按照所述各个控制器的负载分配方式进行负载分配。本发明提供的SDN网络多控制器的负载均衡方法及系统,通过在SDN网络的控制平面和数据平面之间设置有控制器大脑CM,所述CM能够基于QoS进行自主学习,从而自主的进行负载分配,避免了频繁的数据交换所产生的时延。
-
公开(公告)号:CN110582072A
公开(公告)日:2019-12-17
申请号:CN201910757486.6
申请日:2019-08-16
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种蜂窝车联网中基于模糊匹配的资源分配方法及装置,其中方法包括:基于获取的网络资源信息和车辆用户信息,计算每一车辆用户在不同资源块上的信道功率增益,以及与该信道功率增益对应的时变信道功率增益;基于时变信道功率增益,构建基于三角模糊数的模糊空间模型;基于信道功率增益,计算每一车辆用户在对应接收端的信干噪比,及每一车辆用户在不同资源块上的数据速率;将数据速率映射到模糊空间模型中,得到模糊空间模型的效应函数;使用第一预设匹配算法,在资源块中为每一车辆用户选择目标匹配资源块,得到每一车辆用户的目标匹配资源块。本发明实施例,能够解决网络资源分配不合理的问题。
-
-
-
-
-
-
-
-
-