一种在高速铁路场景下上行链路的波束宽度调整方法

    公开(公告)号:CN110891255A

    公开(公告)日:2020-03-17

    申请号:CN201911171597.5

    申请日:2019-11-26

    Abstract: 本发明提出了一种在高速铁路场景下上行链路的波束宽度调整方法,包括以下步骤:利用列车的速度、位置信息,确定列车发出的波束在基站侧左边界、右边界的宽度;基于有效波束成形概率,设定波束区间保护角的宽度;利用得到的波束区间的保护角的宽度计算列车在服务范围内划分的切换区间个数;根据得到的切换区间的个数计算每个切换区间的长度;在获得切换区间的宽度之后计算每一个时刻波束宽度。该方法基于有效波束成形的概率,实时的调整波束宽度,来最大化波束的方向性,使系统得到最优的性能,且每个切换区间内采用相同的计算方法,避免了重复的计算,降低了系统的复杂度。

    一种面向铁路通信天线分组的增强型空间调制传输方法

    公开(公告)号:CN110034808A

    公开(公告)日:2019-07-19

    申请号:CN201910279206.5

    申请日:2019-04-09

    Abstract: 本发明提出了一种面向铁路通信天线分组的增强型空间调制传输方法,旨在通过天线分组来增加系统的信息传输速率,与传统的增强型空间调制技术相比,本发明显著提升了频谱效率。该方法首先给定高速铁路通信系统的系统参数,以确定增强型空间调制技术天线分组激活方法;然后,测量出实际环境下高速铁路环境下信道矩阵数据;最后,计算出接收信号表达式,依据最大似然检测算法进行解码。本发明的优点是能够有效地提升发射数据比特的传输速率,进而提升系统的频谱效率。

    基于多智能体深度强化学习的多小区多业务资源分配方法

    公开(公告)号:CN114189870B

    公开(公告)日:2025-04-08

    申请号:CN202111512524.5

    申请日:2021-12-08

    Abstract: 本发明是一种基于多智能体深度强化学习的多小区多业务资源分配方法,适用于多小区eMBB和URLLC用户系统的资源分配问题。包括如下步骤:步骤1:构建用于解决多小区eMBB和URLLC用户系统资源分配的多智能体网络;步骤2:状态获取;步骤3:子信道分配和功率分配;步骤4:反馈获取和参数更新;步骤5:决策驱动机制。该方法有效降低了网络的输入输出维度、信令开销以及计算复杂度,很好地保证了多小区eMBB和URLLC用户的服务满意度水平,进而提高了整个系统的性能。

    一种超大规模MIMO的近场宽带非平稳信道估计方法

    公开(公告)号:CN119652368A

    公开(公告)日:2025-03-18

    申请号:CN202411785759.5

    申请日:2024-12-06

    Abstract: 本发明涉及无线通信技术领域,具体为一种超大规模MIMO的近场宽带非平稳信道估计方法,包括:基于近场宽带非平稳信道模型,利用接收信号与极域样本匹配分析位置参数与频率的线性关系,获取与每条物理路径最相关的位置参数;根据位置参数与频率的线性关系,分析频率相关可视区域的偏移关系;基于可视区域的偏移关系,利用天线接收信号功率分别设计粗略估计和精确估计,分析频率相关可视区域范围,确认信道增益的精确估计值;累积相同频率下各物理路径中根据位置参数、可视区域和信道增益重构信道的结果,从而恢复整个宽带信道,并利用可视区域的偏移关系优化信道估计过程,实现高效重构。

    一种基于特征融合和分组空洞卷积网络的加密流量分类方法

    公开(公告)号:CN119577543A

    公开(公告)日:2025-03-07

    申请号:CN202411641295.0

    申请日:2024-11-18

    Abstract: 本发明公开了一种基于特征融合和分组空洞卷积网络的加密流量分类方法,该方法以高精度识别网络流量,同时保障隐私和计算效率,包括:数据预处理,通过分段、过滤和截断,仅保留26个字节以保护隐私;特征提取,采用双滑动窗口机制和设计的哈希函数,配合嵌入层生成具象和抽象特征并实现联合特征表示;在模型设计中,首先进行轻量化卷积网络设计,通过轻量化分组空洞卷积结构来扩大感受野,加入通道混合和逐点卷积增加通道间交流;然后在分类输出阶段,使用余弦退火机制动态调整学习率,以提升训练效果和收敛速度。本发明在准确性、稳定性、处理速度和资源占用方面优于现有轻量化方法,适合资源受限设备的高效流量分类应用,具有实用和推广价值。

    一种基于迁移强化学习的资源分配方法

    公开(公告)号:CN114531685B

    公开(公告)日:2025-01-17

    申请号:CN202210162552.7

    申请日:2022-02-22

    Abstract: 本发明是一种基于迁移强化学习的资源分配方法,该资源分配方法适用于上行多小区的混合多址接入场景,包括:步骤1:搭建用于资源分配的深度强化学习网络;步骤2:进行MA‑DRL与环境的交互,每一轮交互中;步骤3:进行MA‑DRL的训练过程,训练将依据步骤2中交互得到的经验块进行,将每次与环境交互得到的经验块都存入记忆库中,并施加价值标签,抽取记忆块时选取价值标签更大的经验块;步骤4:在资源分配网络的基础上,提出一种基于MA‑DRL的迁移学习方案。本发明提出的资源分配方法以最大化所有用户总速率为目标,可以有效地提升用户总速率,并且和迁移学习结合后可以达到更快的收敛速度。

Patent Agency Ranking