-
公开(公告)号：CN110210658A
公开(公告)日：2019-09-06
申请号：CN201910427803.8
申请日：2019-05-22
Applicant: 东南大学
IPC: G06Q10/04
Abstract: 本发明提供一种基于小波变换的Prophet与高斯过程用户网络流量预测方法。针对用户网络流量时间序列的非平稳性、时变性等复杂特性，采用小波变换对用户网络流量时间序列进行预处理分析。经过小波变换后得到高频子序列与低频子序列，其中高频子序列反映了用户网络流量时间序列的突变性与无规律的波动性特征，而低频子序列则反映了用户网络流量时间序列的周期性与长期依赖特性。本发明针对高频子序列与低频子序列的特点，分别应用Prophet模型预测低频子序列，用高斯过程回归模型预测高频子序列，最后再进行离散小波逆变换，重构得到最终的网络流量预测结果。本发明所提出的预测方法，可以有效提高用户网络流量预测准确度。
-
公开(公告)号：CN110099017A
公开(公告)日：2019-08-06
申请号：CN201910427732.1
申请日：2019-05-22
Applicant: 东南大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种基于深度神经网络的混合量化系统的信道估计方法，首先，将基站天线分为高精度ADC天线和低精度ADC天线两个集合，在仿真环境根据系统传输模型和信道模型产生真实信道和接收并量化的导频信号作为训练数据；然后，将训练数据分别送入设计的深度神经网络1和2中进行离线训练，通过调整神经网络权重矩阵直至性能收敛，结束训练；最后，将训练好的神经网络1和2装配在基站端，分别用于估计高精度ADC天线和低精度ADC天线对应的信道。本发明的估计方法充分利用深度神经网络强大的学习能力，经过离线的基于大量数据的训练，深度神经网络能够发掘大规模天线系统中不同天线之间的空间相关性，从而实现从高精度ADC天线对应信道到低精度ADC天线对应信道的准确映射。
-
公开(公告)号：CN106028343B
公开(公告)日：2019-07-12
申请号：CN201610273937.5
申请日：2016-04-27
Applicant: 东南大学
Abstract: 本发明公开了一种多个提供商共存场景下的网络虚拟化框架和速率申请方法，为每个MVNO引入集中式的虚拟网络控制器，对其在所有InP下的虚拟网络进行管理，从而各MVNO能够以最大化自身收益为准则同时向所有InP申请速率。将InP和MVNO之间的速率申请过程建模成一个两阶段的动态博弈：第一阶段各InP进行速率的定价，第二阶段各MVNO根据收到的定价和在各InP下的速率需求确定向各InP的速率申请量，通过反向归纳法求解出动态博弈的子博弈完美纳什均衡，在该均衡下，各InP和各MVNO都不愿改变自己的定价与申请策略。每个InP为其网络中的各MVNO都设定一个速率分配上限，从而实现每个InP中虚拟网络之间的隔离。
-
公开(公告)号：CN105873220B
公开(公告)日：2019-05-21
申请号：CN201610404078.9
申请日：2016-06-08
Applicant: 东南大学
Abstract: 一种两层非均匀拓扑结构异构网络的干扰协调方法，该方法引入频域划分系数，将ABS时隙的频带划分为两部分，一部分只给Pico基站使用，另一部分只给Macro基站使用。以网络中所有用户的传输速率的对数累加和最大为目标问题构建问题模型，并将目标问题拆分为四个子问题依次求解，分别为用户连接、ABS比率分配、频域资源划分及功率分配，该方法可以减轻异层小区间的干扰，提高系统的总用户速率并且保证了用户之间的公平性。
-
公开(公告)号：CN105813097B
公开(公告)日：2019-04-30
申请号：CN201610302350.2
申请日：2016-05-09
Applicant: 东南大学
Abstract: 本发明公开了一种移动通信网络中小区中断补偿方法，通过应用粒子群算法对中断小区周围基站的下行传输功率进行调节来进行小区中断补偿，具体方法为：首先定义基站覆盖范围、重复覆盖率；然后对基站覆盖范围、重复覆盖率进行估计；对系统覆盖率和容量进行优化权衡；最后进行补偿调节，补偿调节参数为中断基站周围基站的下行传输功率；采用粒子群算法进行最优解搜索。该方法能够对中断小区进行很好的性能补偿，并且通过调节优化目标中的覆盖率门限，可以在覆盖率、重复覆盖率和系统容量指标之间进行权衡调节。
-
Patent Agency Ranking
公开(公告)号：CN109617991A
公开(公告)日：2019-04-12
申请号：CN201811634918.6
申请日：2018-12-29
Applicant: 东南大学
Abstract: 本发明公开了基于值函数近似的超密集异构网络小站编码协作缓存方法。采用值函数近似的强化学习方法，将值函数表达为状态和动作的函数，以最大化平均累积小站直接服务的文件请求数目为优化目标，通过不断地与环境交互，适应环境的动态变化，挖掘出潜在的文件请求转移模式，得到值函数的近似式，进而得到与文件请求转移模式相匹配的协作缓存决策；宏基站对协作缓存决策进行编码，并将编码协作缓存结果传达给各小站。本发明通过强化学习挖掘到的真实网络中文件请求的转移模式来制定缓存决策，无需任何对数据先验分布的假设，更加适用于实际系统；且通过与环境实时交互，可追踪时变的文件流行度，作出相应的缓存策略，过程简单可行，不需解NP-hard问题。
-
公开(公告)号：CN104717722B
公开(公告)日：2018-05-15
申请号：CN201510153400.0
申请日：2015-04-01
Applicant: 东南大学
IPC: H04W48/16
Abstract: 本发明公开了超密集网络中基于PSS干扰消除的小站发现方法，该方法包括：预先准备三种PSS时域信号的自相关和互相关结果作为模板；对接收信号低通滤波和降采样后与本地PSS副本做互相关运算，找到峰值，获得最强小站的粗定时同步位置和将未经降采样的接收信号与本地PSS副本做互相关；找到互相关结果中最高的相关峰，确定其位置和对应的从三种PSS时域信号的互相关结果中将对应的模板消除；重复寻找最高的相关峰和消除操作。本发明无须对现有LTE技术规范做出修改；且无需估计信号和重构信号，不会显著增加UE的复杂度和耗电量；还可减小较强小站的同步信号对较弱小站同步信号的干扰，从而提高UE发现较弱小站的概率，增加UE所能发现的小站数目。
-
公开(公告)号：CN106937391A
公开(公告)日：2017-07-07
申请号：CN201710237646.5
申请日：2017-04-12
Applicant: 东南大学
Abstract: 本发明考虑超密集网络场景下，小站采用无线回程技术传输愈发普遍，然而无线回程链路产生的能耗成为整个系统不可忽视的因素。同时，小站具有开启和休眠两种模式，处于休眠模式的小站能耗大大降低，因此只有求得最优的用户关联方案和小站开闭策略率，整个网络的能量效率才能达到最大。本发明提出的启发式算法首先求得满足用户QoS需求下，最小功耗，将问题转变为0‑1线性规划问题，并且利用隐数法求得最优解。然后采用贪心算法决定是否开启更多基站提高系统能效。相比于传统的贪心算法和最短距离连接策略，这种方法可以得到最优的用户关联策略和小站开闭策略，在有限次的迭代后，可以求解到一个使得整个网络能效最大化的用户连接方案。
-
公开(公告)号：CN106304182A
公开(公告)日：2017-01-04
申请号：CN201610927763.X
申请日：2016-10-31
Applicant: 东南大学
Abstract: 本发明公开了以最小化网络时延为目标，在用户连接宏站和小站概率随着小区偏置值变化的情况下，结合二分查找和梯度下降方法，得出用户连接宏站的最优概率的超密集异构网络用户关联优化方法。本发明相比于传统的基于最大RSRP和最短距离连接策略，这种方法可以收敛得到用户最佳连接概率，在有限次的迭代后，可以求解到一个使得整个网络平均时延最低的用户连接概率，从而能够有效的解决无线回程传输下最小化网络时延难题。
-
公开(公告)号：CN105873216A
公开(公告)日：2016-08-17
申请号：CN201610302348.5
申请日：2016-05-09
Applicant: 东南大学
IPC: H04W72/04
CPC classification number: Y02D70/00 , H04W72/0453 , H04W72/0473 , H04W72/048 , H04W72/0493
Abstract: 本发明公开了一种异构网多点协作能效谱效联合优化的资源分配方法，首先，定义能效和谱效的联合优化问题；然后，在上述给定的资源块和功率约束的条件下，对资源块和功率及其在各用户间的分配进行优化，从而实现能效和谱效的联合优化；其中，对资源块和功率及其在各用户间的分配进行优化的方法为：通过对偶方法简化用户对数速率与功率之间的关系，再使用贪心算法思想分别对CoMP用户和非CoMP用户进行资源分配。本发明给出了一种能实现谱效和能效联合优化的有效、快速的功率分配方法，避免了暴力求解方法带来的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
363
records
(took 0.027 seconds)
