-
公开(公告)号：CN101355506B
公开(公告)日：2011-06-01
申请号：CN200810151001.0
申请日：2008-09-17
Applicant: 西安交通大学
Abstract: 本发明公开了一种Ad Hoc网络多路径路由的实现方法，该方法在基于按需距离矢量多路径路由AOMDV方法的基础上，在路由应答分组中加入首跳标志位和公共节点标志位，在路由应答过程中，通过对首跳标志位的判断建立被忽略的反向路径，根据公共节点标志位的值来建立存在但为选择的链路不相关路径。理论分析和仿真结果都表明，相对于AOMDV，本发明方法选择了性能更佳的路径，在按需路由优越的网络场景下大大提升了网络各方面的性能。
-
公开(公告)号：CN101867424A
公开(公告)日：2010-10-20
申请号：CN201010210123.X
申请日：2010-06-25
Applicant: 西安交通大学
Abstract: 本发明公开了一种认知无线电网络的协作频谱感知方法，按照如下步骤：(1)在已有授权用户PU的网络中配置包含N个认知用户SU和一个信息融合中心FC的认知无线电网络；(2)认知用户SU使用能量检测独立判断授权用户PU信号是否存在，然后将二进制硬判决结果发送到信息融合中心FC，其发射功率根据授权用户PU到该认知用户SU的信道条件自适应调整；(3)信息融合中心FC则采用最大似然检测器融合多个认知用户SU的结果，并最终判决授权用户PU是否正在占用频谱。本方法不需要认知用户SU发送软信息，认知用户SU可独立处理而无需相互交换信息，信息融合中心FC端检测器结构简单，易于实现；同时本发明方法具有通信开销小、分集增益高、虚警率和漏检率低等优良性能，具有较高的实用价值。
-
公开(公告)号：CN119602837B
公开(公告)日：2025-04-29
申请号：CN202510145343.5
申请日：2025-02-10
Applicant: 西安交通大学
Abstract: 本发明公开了一种IRS辅助的通感一体化系统有源节点部署和信道估计方法，属于无线通信技术领域。方法包括：基于IRS辅助的通感一体化系统的天线阵列响应及信道特性建立信道模型；在所述IRS辅助的通感一体化系统中的IRS表面设置主动节点采集观测的信道模型的信道值，基于所述信道值建立基站向IRS发送导频后的IRS接收信号模型；建立信道图拓扑结构矩阵；对所述信道图拓扑结构矩阵基于谱聚类分簇切图，并选取每簇最平滑节点进行采样，进行有源节点的部署；根据所述信道图拓扑结构矩阵的局部平滑特性引入图平滑约束，基于原子范数最小化获得线性目标函数，求解得到信道估计结果，完成信道估计。本方法能够确保不同场景下的信道估计的准确性和稳定性。
-
公开(公告)号：CN119602837A
公开(公告)日：2025-03-11
申请号：CN202510145343.5
申请日：2025-02-10
Applicant: 西安交通大学
Abstract: 本发明公开了一种IRS辅助的通感一体化系统有源节点部署和信道估计方法，属于无线通信技术领域。方法包括：基于IRS辅助的通感一体化系统的天线阵列响应及信道特性建立信道模型；在所述IRS辅助的通感一体化系统中的IRS表面设置主动节点采集观测的信道模型的信道值，基于所述信道值建立基站向IRS发送导频后的IRS接收信号模型；建立信道图拓扑结构矩阵；对所述信道图拓扑结构矩阵基于谱聚类分簇切图，并选取每簇最平滑节点进行采样，进行有源节点的部署；根据所述信道图拓扑结构矩阵的局部平滑特性引入图平滑约束，基于原子范数最小化获得线性目标函数，求解得到信道估计结果，完成信道估计。本方法能够确保不同场景下的信道估计的准确性和稳定性。
-
公开(公告)号：CN118655592A
公开(公告)日：2024-09-17
申请号：CN202410691543.6
申请日：2024-05-30
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于多站载噪比和卷积神经网络的干扰检测方法及系统，通过场景仿真得到无干扰时和有干扰时的载噪比特征；对载噪比特征进行预处理，并划分训练集和测试集；构建卷积神经网络模型；使用训练集对构建的卷积神经网络模型进行训练；将训练集和测试集进行矩阵变换，然后输入训练好的卷积神经网络模型，实现干扰检测。本发明只需大量常规GNSS接收站的载噪比观测参数，实现成本低，复杂度低；通过对比多种神经网络检测方法，进一步得到卷积神经网络具有很高的干扰检测精度。
-
Patent Agency Ranking
-
公开(公告)号：CN113970762B
公开(公告)日：2024-05-24
申请号：CN202111131741.X
申请日：2021-09-26
Applicant: 西安交通大学
Abstract: 本发明公开了一种多级干扰源定位方法及系统，将所有接收机采样到的信号传送到处理中心，进行傅里叶变换，计算每个接收机接收信号的平均功率，通过在不同范围的区域内随机产生干扰源位置，产生多组训练数据集，然后用来训练每组数据对应的FNN神经网络；将处理中心得到的接收机接收信号功率向量分别输入多个FNN神经网络，通过神经网络的输出缩小当前定位区域，直到当前定位区域范围小于子区域范围下限；将最终子区域网格化，通过傅里叶变换后的多个接收机的接受向量和网格中心点计算每个网格中心点对应的代价函数，将代价函数最大的网格的中心点作为干扰源位置的估计值。解决传统精度受限于参数估计精度和直接定位技术计算复杂度过高的问题。
-
公开(公告)号：CN117075037A
公开(公告)日：2023-11-17
申请号：CN202311026327.1
申请日：2023-08-15
Applicant: 西安交通大学
IPC: G01S5/02 , G06F18/23213
Abstract: 本发明公开了一种基于聚类的多辐射源分布式定位方法及系统，对室外多辐射源定位问题进行建模，建立分布式定位系统架构；分布式定位系统架构中每个子网络内的传感器节点根据接收到的辐射源信号提取定位参数；分布式定位系统架构中每个子网络内中心节点根据提取的定位参数，基于空间几何关系进行位置解算；基于解算后的位置交点，每个子网络内中心节点使用聚类方法进行粗定位；基于分布式定位系统架构中每个子网络的粗定位结果，再次使用聚类方法进行融合定位。避免了传统方法中直接联立空间几何方程组求解辐射源位置所带来的较大的定位误差。
-
公开(公告)号：CN114757338A
公开(公告)日：2022-07-15
申请号：CN202210397042.8
申请日：2022-04-15
Applicant: 西安交通大学
Abstract: 本发明提出一种基于神经网络的大规模物联网采样与重构方法和系统，该方法首先利用Gumbel‑Softmax技巧构建采样点选取网络，然后利用全连接层构建数据重构网络，通过合理的设计损失函数，在训练阶段利用训练集的物联网节点数据同时训练采样点选取网络和数据重构网络，一次性给出采样点选取策略和数据重构策略。本发明基于神经网络对大规模物联网数据进行采样点选取和信号重构。相较于以往方法，本发明为数据驱动的方法，不需要图拓扑结构作为先验知识，可以仅通过输入物联网节点数据，同时输出采样点选取策略以及根据采样节点数据重构出完整数据的策略，在重构性能上，在采样率较低的条件下，本发明具有一定的优势。
-
公开(公告)号：CN114143146A
公开(公告)日：2022-03-04
申请号：CN202111267109.8
申请日：2021-10-28
Applicant: 西安交通大学
IPC: H04L25/02
Abstract: 本发明公开了一种基于图信号方法的OFDM系统信道估计系统和方法；该方法为一种基于导频的非盲估计算法，在这个算法中，将具有结构特征的OFDM时频双选信道的每个资源块视为图信号的节点，其中图信号的拓扑结构不仅由空间结构决定，而且还受时间选择性衰落和频率选择性衰落的影响。利用平滑性约束进行建模，把信号恢复问题从数学上建模为一个优化问题进行求解。同时，利用图采样的方法进行导频位置的设计，找出一个更好的导频摆放位置，使得信道估计的精确度提升。
-
-
-
-
-
-
-
-
-
Search Results
146
records
(took 0.025 seconds)
