-
公开(公告)号：CN119342516A
公开(公告)日：2025-01-21
申请号：CN202411467867.8
申请日：2024-10-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向近场通感一体化系统的相移和时延计算方法及系统，其方法包括：根据预设的系统感知覆盖范围、天线间距、系统最低频率、系统最高频率和系统带宽，计算系统各移相器的相移和各时延器模块的初始时延范围；其中，所述预设的系统感知覆盖范围包括预设的感知角度域覆盖范围和预设的感知距离域覆盖范围；根据预设的系统感知分辨率、预设的系统感知覆盖范围、天线间距、系统最低频率、系统最高频率和系统带宽，计算系统各时延器模块的最终时延范围；其中，所述预设的系统感知分辨率包括预设的感知角度域分辨率和预设的感知距离域分辨率；在最终时延范围内，获取通信用户可达速率最大化下各时延器模块的时延。
-
公开(公告)号：CN119010961A
公开(公告)日：2024-11-22
申请号：CN202410862422.3
申请日：2024-06-28
Applicant: 南京邮电大学
IPC: H04B7/0413 , H04B7/0456
Abstract: 本发明公开了一种STAR‑RIS辅助多用户MIMO上行系统的无线传输设计方法及系统，包括：根据统计CSI设计发送信号协方差矩阵；基于发送信号协方差矩阵设计STAR‑RIS的反射和透射两个对角相移矩阵；基于对角相移矩阵重新设计发送信号协方差矩阵，重复过程直至前后两次通信系统速率的变化小于一个阈值，最终得到最优的发送信号协方差矩阵和STAR‑RIS相移矩阵。本发明中发送信号协方差矩阵和相移矩阵设计方案仅依赖于统计CSI，在满足用户的发送功率的约束下，使该系统中所有用户的总传输速率最大，有效地提高了系统的总传输速率并逼近最优的上行通信性能，还有效降低了硬件和计算成本，对STAR‑RIS辅助的多用户MIMO上行无线通信系统的发展具有重要的实际价值。
-
公开(公告)号：CN118646669A
公开(公告)日：2024-09-13
申请号：CN202410744537.2
申请日：2024-06-11
Applicant: 南京邮电大学
IPC: H04L41/40 , H04L41/0896 , H04L41/0894 , H04L41/5051
Abstract: 本发明属于6G通信网络、网络功能虚拟化和软件定义网络技术领域，公开了一种面向个性化网络服务的精确软件化资源分配方法，主要包括以下步骤：检查个性化服务的资源需求种类；计算个性化服务的平均资源需求值；将计算得到的需求值与相应的阈值进行比较，确定服务需求的种类；执行精确资源分配。本发明通过对个性化网络服务的精确分类和对资源分配问题的精确建模求解，在小规模通信网络中针对每个用户的个性化需求提供了最优的软件化资源分配方案。
-
公开(公告)号：CN117692964A
公开(公告)日：2024-03-12
申请号：CN202311716030.8
申请日：2023-12-14
Applicant: 南京邮电大学
IPC: H04W28/06 , H04W72/512 , H04W16/22
Abstract: 本发明属于URLLC通信领域，公开了一种RIS联合中继辅助URLLC系统短包通信的平均块长优化方法，包括：基站首先获取各个设备之间的理想状态信息并对信道进行建模，然后在用户处对接收信号进行解码，得到接收处的总信噪比，并求出它的概率密度函数，其次，求出系统的平均错误解码概率和平均速率，最后，求出系统平均块长，并对平均块长进行优化。本发明采用RIS和中继联合辅助的方式，对URLLC系统短包通信的平均块长进行优化，当RIS元素的总数增加时，传输符号所需的块长度将会减少，这使得信息传输所需的功耗更少，而且在中继存在的情况下使得平均错误解码概率更低，提高了整个系统的性能。
-
公开(公告)号：CN117119597A
公开(公告)日：2023-11-24
申请号：CN202311088650.1
申请日：2023-08-25
Applicant: 南京邮电大学
IPC: H04W72/0457 , H04W4/30
Abstract: 本发明公开了一种面向物联网终端协作学习的资源分配方法、装置、介质及设备，所述方法包括：获取分布式联邦学习全局模型的无线网络，所述无线网络中有1台边缘服务器和多个物联网终端；利用预设的分簇算法将物联网终端分簇，得到分簇结果；基于分簇结果，根据物联网终端的本地数据样本数量，分配簇中每个物联网终端CPU和GPU的工作频率；基于分簇结果，根据无线网络的总带宽和每个物联网终端的实时信道状况，为簇中每个物联网终端动态分配带宽。本发明能够改善无线联邦学习中由于计算资源和网络带宽资源受限导致的训练进程中能量消耗过高的情况。
-
Patent Agency Ranking
公开(公告)号：CN115118591B
公开(公告)日：2023-07-25
申请号：CN202210656857.3
申请日：2022-06-08
Applicant: 南京邮电大学
IPC: H04L41/0823 , H04L41/0896 , H04L41/16 , G06N20/00
Abstract: 本发明公开了一种基于联盟博弈的簇联邦学习方法，包括：在物联网边缘环境下搭建簇联邦学习系统，包含多个用户设备和一个中心服务器；基于用户本地梯度的余弦相似度以及每个簇内成功参与训练的设备个数定义每个簇的效用；基于联盟博弈的方法对用户设备进行分簇，同时优化带宽分配；基于分簇结果执行簇联邦学习训练。本发明能够在多任务联邦学习场景下，有效提高训练的效率以及准确率。
-
公开(公告)号：CN113873531B
公开(公告)日：2023-07-18
申请号：CN202111017807.2
申请日：2021-08-31
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种D2D辅助无人机基站实现目标区域全覆盖的设计方法，该方法包括：构建无人机作为空中基站UAV‑BS服务于多个地面用户的一个下行通信系统，初始化无人机的部署高度和波束张角，根据无人机部署信息将目标覆盖区域划分为无人机直接覆盖区域和间接覆盖区域；在无人机网络的基础上，对于无人机的间接覆盖区域的用户，增设D2D通信以进一步扩大覆盖范围，将通信服务从直接覆盖区延伸至间接覆盖区；基于蜂窝通信系统已有的地面用户的分布信息，以及地面用户接入通信网络的公平性，通过积分求解的方式确定直接覆盖区域和间接覆盖区域的用户功率开销；将D2D辅助无人机基站实现目标区域全覆盖问题构建成一个二重变量优化问题。
-
公开(公告)号：CN114531718B
公开(公告)日：2023-06-06
申请号：CN202210174682.2
申请日：2022-02-24
Applicant: 南京邮电大学
Abstract: 本发明是一种不完美CSI情况下NOMA‑MEC系统能耗优化方法，包括：步骤1：构建NOMA‑MEC系统，该系统包括至少一个NOMA链路，每个NOMA链路均包括一个用户TU和两个拥有小型MEC服务器可以进行任务计算的无线访问接入点AP，每个所述无线访问接入点AP与用户TU的距离不同；步骤2：在能耗最小化的目标下，用户TU将步骤1中每个无线访问接入点AP完成的计算任务同时卸载至对应的每个无线访问接入点AP处，由用户TU和两个每个无线访问接入点AP共同计算任务。本发明旨在任务动态生成的情况下让CPU运算速率稳定，使得能耗最小化。
-
公开(公告)号：CN116170812A
公开(公告)日：2023-05-26
申请号：CN202310113370.5
申请日：2023-02-14
Applicant: 南京邮电大学
Abstract: 本发明公开了一种UAV搭载STAR‑RIS辅助通信的最佳飞行高度设计方法，包括：设置STAR‑RIS的反射分裂系数、相移矩阵以及无人机飞行高度的初值；然后分别计算出STAR‑RIS的反射分裂系数和无人机飞行高度的迭代表达式；利用计算出的STAR‑RIS的反射分裂系数和无人机飞行高度的迭代表达式计算当前条件下的无人机飞行高度；最后判断无人机高度是否收敛，如果收敛，则得到无人机最佳飞行高度；如果不收敛，则重复之前的迭代步骤，直至满足收敛条件为止。本发明在通信直接链路阻塞的场景下，利用无人机搭载STAR‑RIS辅助通信的优势，在保证无人机安全飞行高度的同时，有效地改善无线通信系统的性能。
-
公开(公告)号：CN114499602B
公开(公告)日：2023-03-07
申请号：CN202111622579.1
申请日：2021-12-28
Applicant: 南京邮电大学
IPC: H04B7/0413 , H04B7/0426 , H04B7/0456
Abstract: 本发明提出一种RIS辅助MIMO‑NOMA通信系统中的发送预编码和相移矩阵设计方法，在提出的通信系统中，首先设置RIS的初始相移矩阵，根据基站与两用户间的信道增益大小将用户分为强用户和弱用户；然后分别设计两个用户的发送预编码矩阵，并在此基础上通过二分法得到此时最优的基站发送功率分配方案；接下来，利用已有的结果设计RIS的相移矩阵并根据优化后的相移矩阵重新对发送预编码矩阵及功率分配方案进行迭代优化；最后当系统的和速率收敛时得到RIS相移矩阵、发送预编码矩阵及功率分配方案的全局最优解。本发明在通信环境受限的场景下，利用RIS和NOMA的优点，在保证用户通信公平性的同时，有效地提高系统的总传输速率。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.03 seconds)
