算法识别方法、装置、设备、存储介质和程序产品

    公开(公告)号:CN118828580A

    公开(公告)日:2024-10-22

    申请号:CN202410232694.5

    申请日:2024-02-29

    Inventor: 陈浩哲 吕喆

    Abstract: 本实施例公开了一种算法识别方法、装置、设备、存储介质和程序产品,该方法包括:获取待检测的信道均衡算法的多组信号序列,多组信号序列中每组信号序列包括输入信号序列、以及与输入信号序列对应的输出信号序列;根据多组信号序列,确定待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率;在待检测的信道均衡算法与算法库中第一信道均衡算法的匹配概率大于或等于预设阈值时,确定待检测的信道均衡算法为所述第一信道均衡算法,第一信道均衡算法为算法库中的任意一种信道均衡算法;在待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率均小于预设阈值时,根据多组信号序列确定待检测的信道均衡算法。

    天线参数优化方法、装置及网络侧设备

    公开(公告)号:CN114513798B

    公开(公告)日:2024-10-22

    申请号:CN202011277899.3

    申请日:2020-11-16

    Inventor: 吕喆 余立 杨梦佳

    Abstract: 本发明提供一种天线参数优化方法、装置及网络侧设备,解决现有天线参数优化方案仅涉及对单一小区的优化,单一波束的配置,且无法对不同用户分布做出针对性的优化,不利于实际使用的问题。本发明的方法包括:获取第一地理区域经栅格化后的所有地理栅格的第一三维终端分布;将所述所有地理栅格的第一三维终端分布作为目标卷积神经网络的输入,得到所述第一地理区域内每个小区对应的候选波束的概率;根据所述候选波束的概率,得到所述第一地理区域内每个小区的天线配置;下发所述第一地理区域内每个小区的天线配置。本发明能够对不同用户分布进行针对性优化,对多小区联合优化,且有利于子波束的精细化调整,利于实际使用。

    资源分配方法、装置、终端及可读存储介质

    公开(公告)号:CN118804305A

    公开(公告)日:2024-10-18

    申请号:CN202311689657.9

    申请日:2023-12-11

    Abstract: 本发明公开了一种资源分配方法、装置、终端及可读存储介质,涉及无线技术领域,以解决终端侧资源分配的合理性较差的问题。该方法由终端执行,具体包括:获取第一时隙的系统状态信息,所述系统状态信息包括多个系统中每一个系统的信道增益以及第二时隙的资源分配信息,所述资源分配信息包括所述多个系统中每一个系统对应的发射功率,以及多个业务中每一个业务在每一个系统中对应的带宽资源,所述第二时隙为所述第一时隙的前一个时隙;将所述第一时隙的系统状态信息输入预先训练的资源分配模型中进行分配处理,得到所述第一时隙的资源分配信息。本发明实施例可提高终端侧资源分配的合理性。

    一种资源分配方法、装置、通信设备及可读存储介质

    公开(公告)号:CN118804304A

    公开(公告)日:2024-10-18

    申请号:CN202311633226.0

    申请日:2023-12-01

    Abstract: 本申请公开了一种资源分配方法、装置、通信设备及可读存储介质,涉及通信技术领域,以解决相关技术用户调度轮转周期较大,体验速率较低的问题。该方法包括:根据每个波束方向上的每个用户设备的需求RB数,确定每个波束方向的需求RB数;根据每个波束方向上的各用户设备的调度优先级,确定每个波束方向的优先级;根据每个波束方向的优先级和需求RB数,确定至少一个目标波束方向;调度至少一个目标波束方向的波束,按照每个目标波束方向上的各用户设备的调度优先级和需求RB数,为每个目标波束方向上的各用户设备分配RB资源。本申请实施例能够实现基于用户实际资源调度需求调度相应波束,缩短用户调度轮转周期,提高用户体验速率。

    信道估计方法、装置及电子设备
    48.
    发明公开

    公开(公告)号:CN118802420A

    公开(公告)日:2024-10-18

    申请号:CN202410016914.0

    申请日:2024-01-04

    Abstract: 本发明提供一种信道估计方法、装置及电子设备。所述方法包括:生成网络设备的接收信号数据样本;对所述接收信号数据样本进行转化,获得接收信号的采样协方差矩阵;利用多任务回归网络模型以及所述采样协方差矩阵与信道矩阵参数之间的映射关系,获得信道矩阵参数,所述信道矩阵参数包括:角度和信道增益。本申请中,将接收信号数据样本转换为采样协方差矩阵,将采样协方差矩阵输入多任务回归网络模型,通过学习接收信号的采样协方差矩阵与信道矩阵系数间非线性映射关系完成角度估计和信道增益估计。避免了单一任务模型下网络重复训练和网络架构修改,同时有效地减少了网络训练参数,降低了模型复杂度,具有更好的信道估计性能。

    DoA估计方法、装置、设备及介质
    50.
    发明公开

    公开(公告)号:CN118100997A

    公开(公告)日:2024-05-28

    申请号:CN202211502534.5

    申请日:2022-11-28

    Inventor: 吕喆 梁燕萍 余立

    Abstract: 本发明提供一种DoA估计方法、装置、设备及介质。该方法包括接收发送端设备发送的第一信号;根据第一信号,获得目标协方差矩阵,其中,目标协方差矩阵为Nr×Nr的方阵,Nr是接收端设备的接收天线阵列单元数;将目标协方差矩阵进行第一数据预处理后,输入至深度残差收缩网络,获得直射LOS径波达方向DoA估计结果;将目标协方差矩阵进行第二数据预处理后,输入至卷积神经网络,获得非直射NLOS径DoA估计结果。该方法通过上述基于深度学习的DoA估计算法不仅实现了多径DoA估计,且能够达到降低估计误差的效果。

Patent Agency Ranking