-
公开(公告)号：CN101883424A
公开(公告)日：2010-11-10
申请号：CN201010154412.2
申请日：2010-04-23
Applicant: 哈尔滨工业大学
Abstract: 基于近邻点数优化的WLAN室内KNN定位方法，它涉及模式识别领域，它解决了现有的WLAN室内KNN定位方法中，因近邻点数选取不当所导致的定位精度恶化的问题。本发明首先建立完整的WLAN定位场景和位置指纹数据库；然后，根据测试点处采集的信号强度和预存储的位置指纹数据，利用近邻数为2的KNN定位法对测试点位置进行预估计；进而获取近邻点数为1和2时的KNN定位法关于测试点在预估计位置上的理论期望误差，并选择具有较高理论精度的KNN定位法所对应的近邻点数，作为估计测试点位置的最优近邻点数；最终利用最优近邻点数下的KNN定位法，实现WLAN室内KNN定位。本发明适用于室内定位。
-
公开(公告)号：CN108762296A
公开(公告)日：2018-11-06
申请号：CN201810438105.3
申请日：2018-05-09
Applicant: 哈尔滨工业大学 , 中国电子科技集团公司第五十四研究所
Abstract: 一种基于蚁群算法的无人机欺骗路线规划方法，本发明涉及基于蚁群算法的无人机欺骗路线规划方法。本发明的目的是为了解决现有黑飞无人机欺骗路线规划只是在现有真实路线基础上引入了欺骗加速度和速度，导致对地形适应性与控制精度差的问题。过程为：一、对蜂窝网格对无人机飞行区域进行分类，设定起始区、危险区、控制区和坠毁区；二、更新蚁群算法中的信息素浓度；三、得到蚁群算法中的转移概率；四、当蚂蚁从起始区出发，计算出当前城市与下一城市的转移概率，选择转移概率最大的城市作为下一目的城市，直至到达坠毁区，得到在无人机飞行区域的基于蚁群算法的欺骗路线。本发明用于无人机欺骗路线规划领域。
-
公开(公告)号：CN104619028B
公开(公告)日：2018-08-28
申请号：CN201510003075.X
申请日：2015-01-05
Applicant: 哈尔滨工业大学
IPC: H04W72/04 , H04W72/12 , H04B7/0413
Abstract: 能够保障用户公平性的MIMO异构网络资源分配方法，涉及一种无线网络资源分配方法，它是为了解决在异构MIMO系统中多用户情况下，难以保障用户通信质量和全局用户公平性双重优化的问题。其方法：进行家庭基站分簇，并保证簇内无相互干扰；在用户通信发起阶段，各基站通过信令获取基站下用户的信道信息；总控制中心首先根据用户的信道条件和历史通信吞吐量进行用户调度优先级排序，并选取排序前k个用户；总控制中心通过本发明改进的多目标遗传算法对选取的k个用户最优化分配频率资源，并对基站发射能量最优化进行设置，分配后系统总吞吐量为THk；比较选取用户数k在总基站数≤k≤总用户数的所有情况下THk的大小，选取最优的k，进而实现频率资源和能量的分配。
-
公开(公告)号：CN104660314B
公开(公告)日：2018-03-16
申请号：CN201510067008.4
申请日：2015-02-09
Applicant: 哈尔滨工业大学
IPC: H04B7/0452
Abstract: 一种利用公平性因子的多用户MIMO下行链路用户选择方法，涉及一种多用户MIMO下行链路用户选择方法，尤其涉及考虑了公平性因子的多用户MIMO下行链路用户选择方法。本发明首先对接收信号的概率密度函数p(x)进行多重积分得到用户k第t个时隙被选中的概率将其在统计时间T内进行统计平均得到从而计算出进而求得公平性因子选取公平性因子F最小值作为MIMO下行链路用户选择方法的平性因子，基于该公平性因子F设计公平性最佳的多用户MIMO下行链路用户选择方法。本发明适用于多用户MIMO下行链路的用户的选择。
-
公开(公告)号：CN104579588B
公开(公告)日：2018-01-30
申请号：CN201510060867.0
申请日：2015-02-05
Applicant: 哈尔滨工业大学
IPC: H04L1/06
Abstract: 用于空间调制信号的检测方法，属于天线传输领域。传统的粒子种群算法在空间调制信号检测过程中，存在随着迭代次数增加粒子种类数迅速减少、收敛性能降低的问题。一种用于空间调制信号的检测方法，每次迭代中对每一个粒子的位置根据空间调制的特点映射到空间中去，计算能够反应粒子性能的好坏的适应度函数值。再比较当前粒子的适应度函数值与粒子的历史粒子自身最优适应值比较，将最小的作为最新的全局最优值。通过向粒子种群最优粒子学习和向粒子种群中所有性能比它好的粒子学习的方式，更新粒子的位置与速度。当迭代计算达到最大次数后，输出最后的全局最优值对应的全局最优位置作为检测符号，即与接收符号对应的接收符号。
-
Patent Agency Ranking
公开(公告)号：CN104486766B
公开(公告)日：2017-12-05
申请号：CN201410828256.1
申请日：2014-12-26
Applicant: 哈尔滨工业大学
Abstract: 基于认知无线电技术的频谱聚合资源分配方法，涉及频谱聚合资源分配方法。是为了解决现有频谱频谱聚合算法在认知无线电技术条件下无法有效分配认知频谱资源的问题。其方法是：一、通过频谱感知算法获取认知频谱授权用户的信息和等效吞吐量；二、选择相应的认知频谱作为频谱聚合的成分载波，保证进行聚合的成分载波总吞吐量满足频谱聚合用户的需求；三、对待传输的用户数据进行优先级从大到小排序，保证用户数据传输的公平性；四、按照用户数据的优先级顺序分两种情况把用户数据分配到相应的成分载波上。本发明适用于频谱聚合资源分配。
-
公开(公告)号：CN106231620A
公开(公告)日：2016-12-14
申请号：CN201610585332.X
申请日：2016-07-22
Applicant: 哈尔滨工业大学
CPC classification number: H04W24/06 , H04B17/391 , H04W28/22 , H04W52/242 , H04W52/243
Abstract: 一种蜂窝网络中D2D通信的联合功率控制及比例公平调度的方法，涉及蜂窝网络中D2D通信领域。本发明为了为解决用户之间共信道干扰的问题以及现有干扰抑制算法中以系统吞吐量最大为目标所带来的用户之间公平性问题。本发明采用了最优功率控制方法进行干扰抑制。同时，针对多个用户共存情况下，由于信道的时变特性所导致的用户公平性问题，本发明采用了比例公平调度方法，以满足用户对公平性的需求。构建D2D通信复用上行链路资源的蜂窝网络模型并针对该网络模型进行联合功率控制和比例公平资源调度的数学建模及求解。本发明提出的联合功率控制和比例公平资源调度的干扰抑制方法能在保证用户通信质量的同时提高系统的吞吐量和公平性。
-
公开(公告)号：CN106060872A
公开(公告)日：2016-10-26
申请号：CN201610686081.4
申请日：2016-08-18
Applicant: 哈尔滨工业大学
CPC classification number: Y02D70/20 , H04W28/0215 , H04W72/0453 , H04W72/0493 , H04W72/08 , H04W72/1257
Abstract: 一种D2D与蜂窝网络共存的启发式比例公平调度方法，本发明涉及启发式比例公平调度方法。本发明是要解决目前大部分文献在以吞吐量最大作为网络资源调度目标而忽略用户之间公平性的问题，提出了一种D2D与蜂窝网络共存的启发式比例公平调度方法。该方法是通过一、计算信道增益；二、计算第T个时隙D2D用户的信干燥比、瞬时数据速率和比例公平函数；三、计算平均传输速率；四、得到数学模型：五、利用启发式比例公平调度算法求解得到P*；六、根据步骤五计算得到的P*进行多用户比例公平调度得到X*；七、多用户混合网络用户平均传输速率初始化阶段等步骤实现的。本发明应用于启发式比例公平调度领域。
-
公开(公告)号：CN104619028A
公开(公告)日：2015-05-13
申请号：CN201510003075.X
申请日：2015-01-05
Applicant: 哈尔滨工业大学
CPC classification number: H04W72/10 , H04B7/0413 , H04W72/121 , H04W72/1231
Abstract: 能够保障用户公平性的MIMO异构网络资源分配方法，涉及一种无线网络资源分配方法，它是为了解决在异构MIMO系统中多用户情况下，难以保障用户通信质量和全局用户公平性双重优化的问题。其方法：进行家庭基站分簇，并保证簇内无相互干扰；在用户通信发起阶段，各基站通过信令获取基站下用户的信道信息；总控制中心首先根据用户的信道条件和历史通信吞吐量进行用户调度优先级排序，并选取排序前k个用户；总控制中心通过本发明改进的多目标遗传算法对选取的k个用户最优化分配频率资源，并对基站发射能量最优化进行设置，分配后系统总吞吐量为THk；比较选取用户数k在总基站数≤k≤总用户数的所有情况下THk的大小，选取最优的k，进而实现频率资源和能量的分配。
-
公开(公告)号：CN104579588A
公开(公告)日：2015-04-29
申请号：CN201510060867.0
申请日：2015-02-05
Applicant: 哈尔滨工业大学
IPC: H04L1/06
CPC classification number: H04L1/06
Abstract: 用于空间调制信号的检测方法，属于天线传输领域。传统的粒子种群算法在空间调制信号检测过程中，存在随着迭代次数增加粒子种类数迅速减少、收敛性能降低的问题。一种用于空间调制信号的检测方法，每次迭代中对每一个粒子的位置根据空间调制的特点映射到空间中去，计算能够反应粒子性能的好坏的适应度函数值。再比较当前粒子的适应度函数值与粒子的历史粒子自身最优适应值比较，将最小的作为最新的全局最优值。通过向粒子种群最优粒子学习和向粒子种群中所有性能比它好的粒子学习的方式，更新粒子的位置与速度。当迭代计算达到最大次数后，输出最后的全局最优值对应的全局最优位置作为检测符号，即与接收符号对应的接收符号。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.025 seconds)
