-
公开(公告)号：CN113644964B
公开(公告)日：2022-03-29
申请号：CN202110905904.9
申请日：2021-08-06
Applicant: 北京邮电大学 , 中国电子科技集团公司第五十四研究所
IPC: H04B7/185
Abstract: 本发明是一种多波束卫星同频组网系统的多维资源联合分配方法，属于卫星通信技术领域。本发明先为多波束卫星同频组网系统中下行数据传输场景进行建模，对场景中卫星的频率资源进行全频复用，再针对用户级的资源分配进行用户的时隙、带宽和功率资源的联合分配，将分配过程建模为马尔科夫过程，将多波束卫星通信系统作为环境状态，输入近端策略优化PPO网络进行交互，利用PPO网络选择当前时隙要服务的用户并为用户分配带宽和功率资源。本发明方法通过在每一时隙内选择协调调度用户以及为用户合理分配频率和功率资源，实现在全频率复用的场景下也保持较小的用户间同频干扰，提升了同频复用场景下的数据传输速率，达到了最小化系统时延的目的。
-
公开(公告)号：CN114071528A
公开(公告)日：2022-02-18
申请号：CN202111356331.5
申请日：2021-11-16
Applicant: 北京邮电大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于业务需求预测的多波束卫星波束资源适配方法，涉及多波束卫星通信领域，具体为：首先，针对高轨多波束卫星同频组网的下行数据传输场景，通过搭建流量仿真模型获取各波束卫星覆盖区域下的仿真流量数据；并训练隐状态马尔科夫模型，得到模型参数，再预测下一时刻各波束业务流量需求值；然后，采集不同日期、时刻下利用隐状态马尔科夫模型输出的各波束流量预测值，训练深度强化学习PPO网络模型，输出各波束的带宽、功率联合优化值，为各波束分配不同数量、中心频率的带宽资源块，以及不同等级的功率资源快，实现多波束卫星波束资源适配。本发明有效减小同频干扰，满足波束业务需求和公平性原则，减少资源浪费，提升资源利用率。
-
公开(公告)号：CN109451514B
公开(公告)日：2022-02-08
申请号：CN201811332358.9
申请日：2018-11-09
Applicant: 全球能源互联网研究院有限公司 , 北京邮电大学 , 国网浙江省电力有限公司 , 国家电网有限公司
IPC: H04W24/02
Abstract: 本发明实施例提供了一种确定协作通信中最优协作用户的方法及装置，应用于包括无线基站、目标用户和多个协作用户的协作通信系统，该确定协作通信中最优协作用户的方法包括：获取无线基站发送至目标用户的指向性波束和无线基站通过多个协作用户转发的多个指向性波束；根据无线基站发送至目标用户的指向性波束和多个协作用户转发的各指向性波束确定使各指向性波束的信噪比之和最大、且各指向性波束对目标用户的接收机的干扰之和小于接收机干扰门限的多个协作用户，构成最优协作用户集合。使用本发明实施例得到的最优协作用户集合为目标用户转发信号，由于该集合中各协作用户转发的指向性波束的信噪比最大，提高了协作通信系统的通信质量。
-
公开(公告)号：CN111988254B
公开(公告)日：2021-07-27
申请号：CN202010357503.X
申请日：2020-04-29
Applicant: 北京邮电大学
Abstract: 本发明公开了一种低复杂度峰均比压缩与预失真联合优化方法，属于无线通信领域。首先正交相移键控或正交幅度调制产生调制数据符号X，将其调制后生成OFDM信号x(n)，经功率放大器得到采样信号y(n)；利用OFDM信号x(n)和采样信号y(n)构建PA模型。然后构建PAPR压缩模型表达式，利用PAPR压缩模型的输出信号r(n)构建DPD模型输出表达式。DPD模型输出的信号z(n)经过PA模型获得近似的OFDM压缩信号r′(n)，并构建解PAPR压缩模型的输出表达式。定义训练损失函数对DPD模型、PAPR压缩模型和解PAPR压缩模型进行联合训练，得到各模型的最优参数。实时采集OFDM信号x(n)，依次输入训练好的三个模型获取恢复信号x′(n)，完成通信系统的闭环。本发明有效提高了发射机的能量使用效率。
-
公开(公告)号：CN110517329B
公开(公告)日：2021-05-14
申请号：CN201910741565.8
申请日：2019-08-12
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于语义分析的深度学习图像压缩方法，属于图像有损压缩技术领域。包括：步骤1，对输入的图像使用卷积神经网络CNN对图像进行特征提取，标识每个像素的语义重要程度；步骤2，将输入图像进行分块，压缩比特分配对每个图像块依据其语义重要程度计算对应的压缩比例；步骤3，使用基于CNN和循环神经网络LSTM的网络结构对图像按照计算好的压缩比例进行压缩和恢复。本发明将深度学习在图像语义分析和图像压缩领域的应用相结合，根据语义重要程度分配图像不同区域的压缩比特，以实现基于语义重要度分析的图像压缩效果，提高图像中人眼关注区域的视觉质量，整张图片占据的空间更小，在物联网图像处理方面有很好的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN112363152A
公开(公告)日：2021-02-12
申请号：CN202011217160.3
申请日：2020-11-04
Applicant: 北京邮电大学
Abstract: 本发明公开了一种用于毫米波雷达通信系统的共享波形设计以及信号处理方法，属于毫米波雷达通信探测领域，具体过程为：首先构建由雷达通信系统和单/多目标组成的场景；然后，根据长、短雷达信号以及实际业务产生的通信帧，设计共享波形并被雷达/通信发射器发送出去；当共享波形传输到每个目标时，目标上的通信接收器接收共享波形数据并解调出通信数据进行通信；同时，共享波形被单个目标反射后，雷达接收端对反射回波进行处理，得到雷达与目标的距离以及目标的速度，实现利用共享波形进行测距和测速。本发明利用设计的共享波形去处理和分离雷达和通信信号，有效降低信号间的相互干扰，提高距离和速度的探测精度，达到提升整个系统性能的效果。
-
公开(公告)号：CN109889166B
公开(公告)日：2021-01-01
申请号：CN201910184466.4
申请日：2019-03-12
Applicant: 北京邮电大学
IPC: H03F1/32
Abstract: 本发明公开了一种基于时间交织采样的单反馈回路并发双频带数字预失真方法，属于无线通信领域。首先将计算出的并发双频带输入信号x(n)依次经过混频器，数模转换器和功率放大器后，在反馈回路中采集放大信号，经过下变频和低通滤波器后，得到滤波后的模拟信号y(t)。然后在t＝0和t＝τ时，分别利用欠采样因子M1和M2的模数转换器对y(t)进行采样，得到信号y1(n)和y2(n)并存储。将y1(n)和y2(n)分别以时间MT为采样间隔，分解为信号和并分别进行傅里叶变换，重构矩阵和利用重构矩阵和构造矩阵uL(f)，经过矩阵变换和转换后恢复出有用信号yr(n)。从yr(n)中重新分离出与原始信号xa(n)和xb(n)对应的反馈回路中的信号yra(n)与yrb(n)，将xa(n)，xb(n)与yra(n)，yrb(n)通过最小二乘法对比得到数字预失真模块系数。本发明保证了数字预失真线性效果，不增加系统回路的复杂度和其他硬件成本，预失真架构更具有灵活性。
-
公开(公告)号：CN111600681A
公开(公告)日：2020-08-28
申请号：CN202010414777.8
申请日：2020-05-15
Applicant: 北京邮电大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L1/00 , G05B19/042
Abstract: 本发明为一种基于FPGA硬件加速的下行链路比特级处理方法，可应用于基于LTE的卫星移动通信虚拟化信关站的大容量实时信号和协议处理。本发明在CPU中实现MAC层及以上功能；在硬件加速器FPGA上，待传送数据采用8bit并行传输架构经过数据处理模块、传输块CRC24A添加模块、码块分割参数计算模块、码块CRC24B添加模块的处理和传输后，再经过并串转换、Turbo编码模块、码块交织模块后进行比特收集、选择与修剪，最后码块级联后输出，完成整个PDSCH信道的比特级数据处理。本发明降低了信号处理时延，提高了虚拟化信关站大容量数据的处理能力和通信传输的实时性。
-
公开(公告)号：CN108965160B
公开(公告)日：2020-06-05
申请号：CN201810694800.6
申请日：2018-06-29
Applicant: 北京邮电大学
IPC: H04L12/851 , H04L12/865 , H04L12/873
Abstract: 本发明提出一种适用于矿山物联网多业务传输的动态差额加权轮询调度方法，包括：井下传感器采集的数据汇聚到网关；将传感器采集的数据按照优先级分类，并排到对应等级的调度队列中；调度服务器按时延优先级高低依次服务各个队列；服务某队列时，根据队列的差额计数器值来判断是否发送数据包；更新队列的差额计数器时不仅考虑队列的时延优先级，还考虑了网络突发流量及历史排队时延。本发明通过增加了对队列瞬时到达率及历史排队时延两个因素，使得该方法在网络出现突发流量时可以自适应地调整差额分配，并且可以有效防止低优先级队列由于分配资源较少导致的队列拥塞现象。
-
公开(公告)号：CN107872413B
公开(公告)日：2020-02-07
申请号：CN201711034007.5
申请日：2017-10-30
Applicant: 北京邮电大学
IPC: H04L27/00
Abstract: 本发明公开了一种基于压缩感知高阶累积量的智能调制识别方法，属于无线通信领域。首先，接收端以低于奈奎斯特的抽样速率对接收信号x(t)随机抽样和预处理，然后，进行特征提取，通过从原始数据中利用恢复算法‑正交匹配追踪算法对抽样向量z的平方向量z2进行归一化，恢复出对应的稀疏向量，得到高阶矩M21；同理依次得到高阶矩M20，M40，M41和M42；并利用M‑C公式得到高阶累积量C40，C41和C42作为识别特征向量，完成信号的调制识别。最后，确定了调制方式后，进一步估计调制参数，并依据确定的调制方式和调制参数，完成信号的解调。本发明大大降低了接收端需要采集和存储的数据量，减轻了模拟‑数字转换器的压力，降低了算法复杂度，且具有更好的抗噪声性能。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.067 seconds)
