一种基于张量模型的信道估计方法和装置

    公开(公告)号:CN104601498A

    公开(公告)日:2015-05-06

    申请号:CN201410418996.8

    申请日:2014-08-22

    Abstract: 本发明涉及通信技术领域,提供了一种基于张量模型的信道估计方法和装置,所述方法包括:根据建立的上行信号系统模型,建立所述上行多用户协作系统中基站接收到的上行信号的三阶张量模型,其中,所述三阶张量模型的三维分别对应所述上行信号、所述上行信号的到达角度和时变信道;根据所述三阶张量模型,所述基站接收到的新上行增量信号,利用PARAFAC-LMST方法或PARAFAC-RLST方法对所述时变信道进行盲跟踪,得到所述时变信道的估计值。所述装置包括:第一建立模块、第二建立模块和信道估计模块。本发明不但可以适用于慢变信道的协作通信系统,还可以适用于快衰落信道的协作通信系统。

    分布式站点的布设方法及装置

    公开(公告)号:CN101959204B

    公开(公告)日:2013-04-17

    申请号:CN201010256418.0

    申请日:2010-08-18

    CPC classification number: Y02D70/00

    Abstract: 本发明提供一种分布式站点的布设方法及装置,方法包括:获取小区内用户的第一位置信息,所述第一位置信息是指所述用户在均匀分布状态下的位置信息;根据所述第一位置信息,获取反映所述用户到分布式站点的距离函数;以所述小区的半径和所述分布式站点的覆盖范围为约束条件,对所述距离函数进行优化处理,获取所述分布式站点的第一布设位置。本发明的技术方案不依赖于天线效率,因此,克服了对天线效率的定义的依赖;本发明技术方案基于用户位置和小区信息布设分布式站点,可以保证用户到其所接入的分布式站点的距离最小,从而减小用户与其接入的分布式站点之间的路径损耗,可使分布式站点降低发射功率,进而降低系统功耗。

    一种用于解码转发中继系统的功率分配机制

    公开(公告)号:CN102186231A

    公开(公告)日:2011-09-14

    申请号:CN201110145179.6

    申请日:2011-06-01

    Abstract: 本发明提出了一种用于解码转发中继系统的功率分配机制。在解码转发中继系统中,包括i个发送端、i个接收端和一个中继R。发送端Si(i=1,2,…)分别发送两部分信息,每一部分发送信息受到相应的发送功率的限制;中继R接收信息并且解码,然后向接收端Di(i=1,2,…)转发信息,这部分信息受到中继R的发送功率的限制。本发明对解码转发中继系统中的每一部分信息的发送功率进行指数分配,使每一部分功率为总功率的指数函数,并对应一个功率指数分配因子,然后用该方法中的功率指数分配因子来表征解码转发中继系统的和速率和复用增益,从而能够简化对解码转发中继系统的分析。并且根据实际系统的特点,提高相应的功率指数分配因子则能提高系统的和速率或复用增益。

    宽带无线多媒体系统中大小基站的非对称无缝切换方法

    公开(公告)号:CN101969678A

    公开(公告)日:2011-02-09

    申请号:CN201010542538.7

    申请日:2010-11-11

    Abstract: 本发明提供了一种大小基站的非对称无缝切换方法,适用于宽带无线多媒体系统的大小基站模式。在一个广播大基站服务区域范围内同时覆盖着多个蜂窝小基站的蜂窝小区。当采用广播大基站的点到多点方式不能保证广播业务的服务质量要求时,就需要无缝切换到所在蜂窝小区的小基站采用点到点方式来实现广播业务。一旦监测到大基站采用点到多点方式为用户提供广播业务的服务质量恢复正常,就马上由小基站切换回到大基站。可以保证广播业务服务质量的连续性,提高无线资源利用率。本发明提供的无缝切换方法为非对称式切换。从广播大基站切换到蜂窝小基站采用考虑切换时延的预触发方法,而从蜂窝小基站切换到广播大基站则是基于广播业务服务质量的切换门限进行判决。通过综合考虑切换时延和乒乓效应的影响,在满足广播业务服务质量要求下使大小基站模式的系统资源利用率达到最佳。

    一种深度学习的细粒度图像分类方法及装置

    公开(公告)号:CN112487227B

    公开(公告)日:2023-12-26

    申请号:CN202011358906.2

    申请日:2020-11-27

    Abstract: 本申请公开了一种深度学习的细粒度图像分类方法,该方法包括:重复如下步骤:通过类间采样器从数据集中随机采样不同类的两张图像,生成图像对,将其输入到骨干网络进行训练;通过类内采样器从数据集中随机采样同类的两张图像,生成图像对,将其输入到骨干网络进行训练;从数据集中随机采样一张图像,将其生成骨干网络进行训练和分类预测;分析如上所述的分类预测结果,采样增强模块指导类间采样器和类内采样器生成图像对;本申请提供的一种基于三阶段深度学习的细粒度图像分类方法及系统,通过各个子模块,混合增强模块得以更好的解决细粒度图像分类任务中类内差异大类间差异小的问题。

    一种移动蜂窝网络中动态编码缓存方法及其系统

    公开(公告)号:CN117201606A

    公开(公告)日:2023-12-08

    申请号:CN202311275556.7

    申请日:2023-09-28

    Abstract: 本申请公开了一种移动蜂窝网络中动态编码缓存方法及其系统,其中移动蜂窝网络中动态编码缓存方法包括以下步骤:进行缓存放置;响应于完成缓存放置,进行内容传输;响应于完成内容传输,进行缓存替换。本申请提出一种面向网络参数动态变化的动态编码缓存方法,以解决由于用户移动导致本地流行度动态变化而造成的缓存内容失效问题。本发明量化了用户移动性、用户偏好和内容本地流行度之间的关系。

    一种移动边缘计算系统中面向用户间依赖关系的任务卸载与资源分配方法及其系统

    公开(公告)号:CN117032971A

    公开(公告)日:2023-11-10

    申请号:CN202311026614.2

    申请日:2023-08-15

    Abstract: 本申请公开了一种移动边缘计算系统中面向用户间依赖关系的任务卸载与资源分配方法及其系统,其中方法包括以下步骤:S1,初始化状态信息;S2,响应于完成状态信息的初始化,进行卸载决策,输出动作的选取结果;S3,根据输出的动作选取结果,进行环境交互;S4,响应于完成环境交互,进行神经网络参数训练;S5,判断神经网络参数训练是否达到预设最大训练回合数;若达到最大训练回合数,执行S6,输出所有结果。本申请通过对用户间的任务依赖关系的合理建模,提供的求解方案能够在满足跨终端的任务相关性的约束下,充分利用部署的边缘服务器的计算能力,减小任务完成时间和终端能量消耗。

    一种基于移动边缘计算的资源优化方法及其系统

    公开(公告)号:CN116192635A

    公开(公告)日:2023-05-30

    申请号:CN202310124613.5

    申请日:2023-02-16

    Abstract: 本申请公开了一种基于移动边缘计算的资源优化方法及其系统,基于移动边缘计算的资源优化方法具体包括以下步骤:进行智能工厂的无线电地图的仿真;进行自动导引运输车的初始轨迹以及各用户位置的设置,产生初始轨迹对应的信道状态信息;根据仿真的智能工厂的无线电地图,以及自动导引运输车的初始轨迹进行自动导引运输车运动轨迹的优化,产生优化后的堆积对应的信道状态信息;进行神经网络模型的搭建,利用信道状态信息产生卸载决策;进行资源分配获取最佳卸载动作;根据获取的最佳卸载动作进行卸载策略的更新,获取最优卸载策略。本申请完成了AGV的轨迹优化,同时能在智能工厂中结合无线电地图去对AGV进行轨迹设计,有效提高了系统整体的计算率。

    细粒度图像分类方法、系统及预测模型的训练方法

    公开(公告)号:CN112487229B

    公开(公告)日:2022-11-11

    申请号:CN202011364185.6

    申请日:2020-11-27

    Abstract: 本申请提供细粒度图像分类方法、系统及预测模型的训练方法,细粒度图像分类方法包括:重复如下步骤,直至更新后的第一层为神经网络的最后一层:接收神经网络的第一层的输出特征,作为可学习的非局部模块的输入特征;将非局部模块的输出特征作为神经网络的第一层的输入特征;用第二层更新第一层;并且,若更新后的第一层为神经网络的最后一层,则将神经网络的最后一层的输出特征输入分类网络中;将分类网络的输出特征作为预测结果并输出。本申请在神经网络的每两层之间插入一个可学习的非局部模块,使得每一层的神经元的感受野大小与物体部分大小匹配,可以更好的关联多层多尺度的特征,有效的提升细粒度图像分类中神经网络的性能。

    基于多智能体最大熵强化学习的通信覆盖方法及相关设备

    公开(公告)号:CN115314904A

    公开(公告)日:2022-11-08

    申请号:CN202210674727.2

    申请日:2022-06-14

    Abstract: 本申请提供一种基于多智能体最大熵强化学习的灾后通信覆盖方法及相关设备。以多无人机基站混合式组网的方式为灾后用户恢复地面通信服务,提出分布式“分簇‑轨迹”分层空中覆盖优化结构,底层以分布式k‑sums算法实现高负载效率和高均衡性的大规模用户分簇,上层结合分簇结果以“分布式训练‑分布式执行”的MASAC神经网络优化多无人机基站的飞行轨迹,减小网络的通信中断概率,实现对大规模灾后用户的空中覆盖优化。在集成学习技术的辅助下,MASAC算法解决了多智能体训练环境非平稳和由确定性策略梯度引起的算法收敛稳定性较差的问题,最终实现降低应急通信网络的通信中断概率的有益效果。

Patent Agency Ranking