多用户多天线两阶段有限反馈方法

    公开(公告)号:CN101695008A

    公开(公告)日:2010-04-14

    申请号:CN200910197515.4

    申请日:2009-10-22

    Abstract: 一种无线传输技术领域的多用户多天线两阶段有限反馈方法,包括:用户端将信道状态信息量化为信道质量信息并通过小尺寸码本得到低阶信道方向信息,并进行第一阶段反馈;基站选取最优用户组作为调度用户,并通知调度用户反馈高阶信道方向信息,并使用低阶信道方向信息作为预编码矩阵,开始发送数据给调度用户;调度用户由大尺寸码本得到高阶信道方向信息,并进行第二阶段反馈,基站根据调度用户反馈的高阶信道方向信息计算得到优化预编码矩阵,并根据优化预编码矩阵发送数据至调度用户。本发明具有高传输速率和低有限反馈的特点,可以为第三代、超三代、第四代蜂窝移动通信等系统的蜂窝小区有限反馈策略提供具体的实现方法。

    分层的低密度校验码译码器及译码处理方法

    公开(公告)号:CN101106381B

    公开(公告)日:2010-04-07

    申请号:CN200710044708.7

    申请日:2007-08-09

    Abstract: 一种通信技术领域的分层的低密度校验码译码器及译码处理方法,其中:处理模块的个数等于译码器的并行度k,第一存储单元将本层迭代时信息节点传递给校验节点的软值比特更新值输出给处理模块,处理模块将本层迭代时校验节点传递给信息节点的软值即校验更新值输出给第二存储单元,第二存储单元将上次迭代中由下一层校验节点传递给信息节点的校验更新值,经第二交织网络传递给处理模块,处理模块再将本次迭代中由信息节点传递给下一层校验节点的比特更新值,经第一交织网络传递给第一存储单元。所述方法中节点信息更新处理采用分层带修正的最小和算法,同时使用了溢出保护方式。本发明大大提高处理效率并减少译码器实现所需的硬件资源消耗。

    用于OFDM解调端的8天线信道估计方法

    公开(公告)号:CN101667981A

    公开(公告)日:2010-03-10

    申请号:CN200910308756.1

    申请日:2009-10-26

    Abstract: 一种无线传输技术领域的技术领域的用于OFDM解调端的8天线信道估计方法,包括:基站端在每个子帧中确定24个参考信号位置,并将每个子帧的24个参考信号位置平均分配给8根发射天线;基站端向每根发射天线对应子帧中的剩余位置插入数据符号,并经预编码处理后通过8个发射天线将发送信号发射至移动终端;移动终端接受信号并重建子帧,然后根据参考信号位置得出每一根发射天线的信道衰落系数,再根据信道衰落系数得到虚拟参考信号位置的衰落系数;移动终端通过线性插值得到8个发射天线的对应信道在其他位置的衰落系数,从而所得到优化后的信道估计值。

    基于稀疏二分图的多模通用译码系统及方法

    公开(公告)号:CN113708892A

    公开(公告)日:2021-11-26

    申请号:CN202110931646.1

    申请日:2021-08-13

    Abstract: 本发明提供了一种基于稀疏二分图的多模通用译码方法及系统,包括:步骤S1:对包括LDPC码、极化码以及Turbo码的软译码参数进行配置;步骤S2:根据不同的软译码参数选择不同的硬件模块调度规则,复用一套BP译码单元,根据码型种类对译码数据进行相应的BP迭代译码处理;所述硬件模块调度规则包括:不同的码型采用不同的算法流程调度同一套逻辑算子,实现不同码型的译码。本发明在三种码型的译码进行了算法层面的统一,可兼容4G、5G移动通信标准,大大减少了硬件逻辑资源和调度复杂度,同时具有较低的译码时延和计算复杂度。

    基于Q-learning算法和OLSR路由机制维护路由表的方法及系统

    公开(公告)号:CN111565153B

    公开(公告)日:2021-06-29

    申请号:CN202010356029.9

    申请日:2020-04-29

    Abstract: 本发明提供了一种基于Q‑learning算法和OLSR路由机制维护路由表的方法及系统,包括:节点在hello包和TC包中添加实际负载量,根据实际负载量计算负载程度参数;节点在hello包和TC包中添加信道忙碌程度;根据负载程度参数和信道忙碌程度,计算得到节点负载参数;节点在hello包和TC包中添加运动信息,计算节点间链路持续生存时间参数;根据节点负载参数和持续生存时间参数计算Q‑value;当节点发送数据包至其他节点或转发任务时,查询本节点的Q‑table,根据Q‑table中目的节点对应的最大Q‑value节点进行路由。本发明提升了路由的稳定性,减少了数据包的丢失率。

    一种基于卷积神经网络的超分辨率CIR室内指纹定位方法

    公开(公告)号:CN112712557A

    公开(公告)日:2021-04-27

    申请号:CN202011494690.2

    申请日:2020-12-17

    Inventor: 罗开文 俞晖

    Abstract: 本发明公开了一种基于卷积神经网络的超分辨率CIR室内指纹定位方法,包括步骤A:构建室内无线传播环境,部署RP和AP的位置,在RP处采集CSI信息;步骤B:构建指纹信息,利用MUSIC算法计算不同RP收发天线对的伪谱信息,将同一参考点在一段连续采样时间内得到的伪谱信息进行重组构建成伪谱图像,这部分信息作为指纹信息;步骤C:基于伪谱图像构建卷积神经网络的结构,包括网络的深度、激活函数和全连接层神经元个数;步骤D:将RP和待测点的指纹信息和其对应的位置坐标分别作为训练集和测试集,将训练集输入到卷积神经网络中进行训练;步骤E:将步骤D中的测试集输入到训练好的网络模型中,利用加权质心的方法计算待测点的位置坐标和定位误差。

    基于博弈的Q学习竞争窗口调整方法、系统及介质

    公开(公告)号:CN112637965A

    公开(公告)日:2021-04-09

    申请号:CN202011620219.3

    申请日:2020-12-30

    Inventor: 俞晖 毛中杰 王政

    Abstract: 本发明提供了一种基于博弈的Q学习竞争窗口调整方法、系统及介质,包括:步骤1:初始化网络节点设置,进行自组网并建立路由表;步骤2:全网节点通过路由表获知一跳邻居节点个数,并广播至邻居节点;步骤3:计算节点在网络中的权重大小并进行广播;步骤4:根据网络差异性采取不同退避策略;步骤5:网络中各节点按照步骤4产生的竞争窗口状态集合进行Q学习,输出最优竞争窗口区间,并依此进行通信;步骤6:网络拓扑结构发生改变或业务负载产生较大波动后,重复执行步骤2‑5。本发明使用博弈论对网络场景进行分析,确定不同节点进行Q学习的状态集合,然后利用Q学习算法产生决策,更新竞争窗口区间,以达到优化整体网络性能的大小。

    全双工大规模天线阵多长度导频机制通信方法

    公开(公告)号:CN105656536B

    公开(公告)日:2018-10-23

    申请号:CN201610007850.3

    申请日:2016-01-06

    Abstract: 本发明提供了一种全双工大规模天线阵多长度导频机制通信方法,包括第一步:不同长度导频序列设计,第二步:相干时间内信道使用的时序设计和第三步:下行波束赋形向量设计;导频序列设计使得不同长度的导频在相互重叠部分满足正交性,为多长度导频的使用打下基础;时序设计实现了多长度导频的使用;下行波束赋形向量设计消除了在多长度导频使用过程中,相邻基站之间的干扰。本发明实现了在蜂窝网中多长度导频的使用,使整个网络性能得到提升,也减小导频污染对系统的影响。

    基于信道分类的室内定位跟踪方法及系统

    公开(公告)号:CN107205226A

    公开(公告)日:2017-09-26

    申请号:CN201710254392.8

    申请日:2017-04-18

    Inventor: 刘中令 俞晖 杨明

    Abstract: 本发明提供了一种基于信道分类的室内定位跟踪方法及系统,包括如下步骤:步骤1:根据建筑平面图和锚节点的位置,求解一阶虚拟锚节点的位置,其中,锚节点是位置已知的节点,一阶虚拟锚节点是锚节点对应于墙面的镜面对称节点;步骤2:根据上一次的步骤4,记录三条具有最强能量的反射路径的信息;若没有上一次的步骤4,则不记录;步骤3:根据信道脉冲响应进行信道分类,并根据信道分类结果判断锚节点与待定位节点之间是否存在视距路径;步骤4:根据视距路径的数量选取若干反射路径,结合视距路径进行定位。

Patent Agency Ranking