-
公开(公告)号：CN102843162B
公开(公告)日：2014-11-05
申请号：CN201210337031.7
申请日：2012-09-12
Applicant: 西安交通大学
IPC: H04B1/7097 , H04W72/04
Abstract: 本发明公开了一种蜂窝网络中采用D2D技术的扩频通信方法，包括如下步骤：在蜂窝系统场景下存在D2D用户需求，判断是否能够建立D2D链路，再将D2D用户之间需要传输的符号扩频到整个频带的多段载波上，D2D用户发送信号通过扩频码进行频域扩展后再传输。该方法可以显著的提升系统的容量，对蜂窝用户的干扰小，信令简单，具有很强的实际操作可能性。
-
公开(公告)号：CN104105158A
公开(公告)日：2014-10-15
申请号：CN201410324000.7
申请日：2014-07-08
Applicant: 西安交通大学
IPC: H04W40/22
Abstract: 本发明公开了一种基于D2D中继通信的中继选择方法，基站根据当前蜂窝通信资源使用状况以及空闲用户分布情况，选出不满足能量效率条件的蜂窝通信用户作为需要中继协助的通信用户，根据能量效率条件以及容量限制条件将符合标准的空闲用户加入备选中继集合以便与需要中继协助的通信用户形成D2D通信对以协助其与基站之间的通信，同时根据干扰限制条件确定这些通信用户的发射功率范围，从而得到中继协助其通信的最大信干噪比，利用二分图的最佳匹配，为各用户分别选择对应的最佳中继，形成D2D通信对，实现通信用户与基站的两跳通信。本发明有效地提高系统的能量效率，降低通信用户的发射功率。
-
公开(公告)号：CN103379502A
公开(公告)日：2013-10-30
申请号：CN201310279711.2
申请日：2013-07-04
Applicant: 西安交通大学
IPC: H04W16/14
Abstract: 本发明公开了一种蜂窝网络中引入D2D技术的频谱资源分配方法，包括如下步骤：(1)在下行时隙，D2D用户将接收到的来自相邻各小区基站的信号视作干扰信号，对接收到的干扰信号按信号强度的大小进行排序，D2D用户将该排序信息上报给本小区基站；(2)本小区基站根据接收到的排序信息对D2D通信用户的方位作出判断，基站认定D2D用户距离相邻小区基站越近，接收到该基站的干扰信号强度越大，反之则越小；(3)本小区基站根据排序信息找到距离D2D用户最远的相邻小区基站，利用此基站协助本小区基站选择合适的蜂窝用户频谱资源供D2D链路复用。
-
公开(公告)号：CN101854725B
公开(公告)日：2012-11-28
申请号：CN201010213897.8
申请日：2010-06-30
Applicant: 西安交通大学
IPC: H04W72/08
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种用于蜂窝多小区OFDMA系统的资源分配和功率分配方法，其特征在于，其包括步骤有初始化基站、制定各小区的带宽分配方案、确定用户的子载波分配方案、给各小区分配子载波功率、计算并发送相邻小区的干扰代价因子，最后更新相邻小区发给本小区的干扰代价因子，执行下一周期的带宽和功率分配，以此循环重复。本发明的该分配方法仅需基站间存在有限的协作，通过干扰代价因子在基站间的共享，各基站可独立确定其发送功率，有效的控制小区间干扰水平，并且优化系统系能。并且本发明不会给基站间的信息传递带来较大的负担，因此具有良好的实用性。
-
公开(公告)号：CN101925070A
公开(公告)日：2010-12-22
申请号：CN201010230225.8
申请日：2010-07-19
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于空间复用的认知系统资源分配方法，本发明的方法利用信道矩阵的F范数选择认知用户以获得认知网络的多用户分集增益，并采用两次选择的方式降低算法的复杂度，通过将认知用户的发射信号投射到干扰信道的零空间来避免认知用户对授权用户的干扰，对认知用户的信道矩阵采用奇异值分解方法使其转化为并行独立信道，并使用注水功率分配方法增大系统容量。总之，该方法利用了认知网络的多用户分集增益，并且对用户选择方法进行简化，在计算复杂度可接受的情况下提高了系统性能。
-
Patent Agency Ranking
公开(公告)号：CN101867402A
公开(公告)日：2010-10-20
申请号：CN201010162006.0
申请日：2010-05-04
Applicant: 西安交通大学
Abstract: 本发明公开了一种自适应天线选择的MIMO系统及其应用方法，包括发射机、接收机和无线信道；该MIMO系统中实现的天线选择过程采用了迭代反馈的结构，在无需精确的信道估计的条件下，利用60GHz信道的特点，从数目较大的天线集合中快速的选取一个子集，使得所选天线子阵列对应的子信道在所定义的目标函数意义下是最优的，并利用所选出的最优天线子阵列进行高速数据传输。本发明提供了一种低成本且快速有效的MIMO系统应用方法，解决了传统天线选择方法在较大规模的MIMO系统中复杂度高而效率较低这一技术问题。实验证明，本发明所采用的方法只需要少数的迭代和较低的运算复杂度，即能获得较好的性能。这进一步说明本发明能较好支持大规模天线阵列的应用。
-
公开(公告)号：CN119204154A
公开(公告)日：2024-12-27
申请号：CN202411317922.5
申请日：2024-09-20
Applicant: 西安交通大学
IPC: G06N3/092 , G06N3/0464 , G06F18/214 , G06F17/18
Abstract: 本发明属于混合精度量化技术领域，公开了一种深度神经网络的混合精度量化方法及相关装置；其中，所述混合精度量化方法包括：使用差分进化算法中的变异策略将种群进行多样性处理，获得变异种群；使用二项交叉操作，将变异种群中的变异个体的子成分与当前种群中的目标个体的子成分进行重新组合，得到多个试验个体；基于试验个体和目标个体对深度神经网络进行混合精度量化，并从试验个体和目标个体中选择更优个体；基于选择的更优个体，判断差分进化算法是否收敛，若收敛则获得最终混合精度量化后的深度神经网络，否则以选择获得的更优个体为下一代的种群。本发明可实现深度神经网络的混合精度量化，具有计算复杂度较低及适应性较强的优势。
-
公开(公告)号：CN119169369A
公开(公告)日：2024-12-20
申请号：CN202411286326.5
申请日：2024-09-13
Applicant: 西安交通大学
IPC: G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/08 , G06V10/82 , G06V10/774 , G06V40/20 , G06V10/40 , G06V10/80
Abstract: 本发明公开了一种基于双网络的CSI室内位置分类和行为识别方法及相关设备，属于室内感知技术领域，本方法首先将室内位置数据集划分为包含有第一房间对应的多个网格位置点CSI数据的第一室内位置数据集以及包含其他房间对应的多个网格位置点CSI数据的第二室内位置数据集；利用第一室内位置数据集对Resnet‑Densenet并联网络进行训练，并根据第二室内位置数据集和行为姿态数据集利用训练好的Resnet‑Densenet并联网络实现行为姿态识别结果以及输出其他房间的位置分类结果的输出；本方法使用跨域迁移的学习框架，能够复用已经被大量数据充分训练好的神经网络模型，在新的目标域上实现分类和识别任务时，无需从头训练网络，节省了训练成本，提高了效率和结果精度。
-
公开(公告)号：CN117062149A
公开(公告)日：2023-11-14
申请号：CN202311039609.5
申请日：2023-08-17
Applicant: 西安交通大学
IPC: H04W28/02 , H04W28/082
Abstract: 一种密集小小区下联合缓存和传输的时延最小化方法及系统，方法包括：根据每个基站的被请求概率，以最小化交付时延为目标，计算缓存决策；在已知缓存决策的情况下，每个基站训练自己的强化学习网络，以最小化队列长度为目标，通过多智能体强化学习计算传输策略；所述多智能体强化学习的输入为本地信息，利用传输文件数作为奖励，输出最优的调度用户索引和功率索引为传输策略。针对缓存策略计算，本发明提出了迭代凸优化解来得到最优性能，并在考虑网络训练的情况下，提供了低复杂度的次优闭式解。在每个时隙的传输决策方面，基站的本地决策能够独立完成，基站之间只需要进行少量的标量信息交互。简化了计算过程，达到低信息开销、高性能的效果。
-
公开(公告)号：CN116347477A
公开(公告)日：2023-06-27
申请号：CN202310307473.5
申请日：2023-03-27
Applicant: 西安交通大学
Abstract: 一种基于多智能体强化学习的多小区分布式调度方法及系统，调度方法包括根据3GPP对预先建立的多小区蜂窝网络系统模型设置衡量多小区多用户QoS的指标；由衡量多小区多用户QoS的指标以最大化系统体验速率建立优化目标模型；求解优化目标模型获得多小区分布式调度的最优策略。本发明让每个基站训练自己的深度Q学习网络(DQN)，输入信息包括包含信道状态信息和队列长度信息，利用转化的瞬时指标作为奖励训练，输出最优的调度用户索引集合来达到低信息开销、高性能的目的。本发明调度方法首先在调度单用户场景下设计了针对系统体验速率的网络三要素，再将三要素设计扩展到调度多用户场景，并针对调度多用户场景设计了更有效的网络结构。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.041 seconds)
