-
公开(公告)号：CN112584478B
公开(公告)日：2023-07-04
申请号：CN202011474979.8
申请日：2020-12-14
Applicant: 南京爱而赢科技有限公司
IPC: H04W52/34
Abstract: 本发明公开了一种基于NOMA‑MEC的上行能效最小化的功率分配方法，对于MEC‑NOMA系统中最小化能效的问题，首先采用约束松弛方法将本地计算中能量消耗问题转换成一个关于卸载比例的凸问题。其次对于上行传输中的能量消耗问题，使用二次函数转化的方法将其转换成一个关于功率的凸问题，进而得到各个辅助变量和功率分配的表达式。最后以最小化系统总能效为目标，提出一种迭代优化算法，得到每个用户上行传输中的最优功率分配。本方法与传统的方法相比，能够得到最小的能耗，且与OFDM传输方式相比能够得到较好的性能。
-
公开(公告)号：CN112701487A
公开(公告)日：2021-04-23
申请号：CN202011475141.0
申请日：2020-12-14
Applicant: 南京爱而赢科技有限公司
Abstract: 本发明公开了一种小型超宽带圆极化平面螺旋天线，包括作为天线的辐射单元的自补型复合螺旋结构和进行馈电的微带渐变巴伦结构；微带渐变巴伦结构为双面结构，由两条不平衡的微带线渐变为平衡的平行双线，渐变过程中实现了阻抗的变换；所述微带渐变巴伦结构的不平衡端向下延伸至反射器。本发明的天线在2‑18GHz工作频带内保持着稳定的辐射特性，天线的阻抗带宽达到了150％(2‑18GHz)，驻波比小于2，天线在工作带宽内(2‑18GHz)保持着优秀的圆极化特性，轴比小于3dB。在保证天线辐射特性、阻抗带宽、轴比带宽的基础上，对天线的平面尺寸和剖面尺寸都进行了缩减，达到了小型化的特性。
-
公开(公告)号：CN112584478A
公开(公告)日：2021-03-30
申请号：CN202011474979.8
申请日：2020-12-14
Applicant: 南京爱而赢科技有限公司
IPC: H04W52/34
Abstract: 本发明公开了一种基于NOMA‑MEC的上行能效最小化的功率分配方法，对于MEC‑NOMA系统中最小化能效的问题，首先采用约束松弛方法将本地计算中能量消耗问题转换成一个关于卸载比例的凸问题。其次对于上行传输中的能量消耗问题，使用二次函数转化的方法将其转换成一个关于功率的凸问题，进而得到各个辅助变量和功率分配的表达式。最后以最小化系统总能效为目标，提出一种迭代优化算法，得到每个用户上行传输中的最优功率分配。本方法与传统的方法相比，能够得到最小的能耗，且与OFDM传输方式相比能够得到较好的性能。
-
公开(公告)号：CN112261721A
公开(公告)日：2021-01-22
申请号：CN202011115056.3
申请日：2020-10-19
Applicant: 南京爱而赢科技有限公司
Abstract: 本发明提供了一种基于贝叶斯调参的支持向量机的波束分配方法，首先产生待选波束分配方案空间，然后随机或依据相近的历史分配记录中挑选方案生成初始波束分配方案集合；应用于蜂窝移动通信系统，得到系统对方案的评价，打标签以生成训练样本；使用贝叶斯超参数优化方法结合交叉验证进行参数选优，然后利用支持向量机机器学习算法对(方案，标签)格式的训练样本进行学习，得出相应的约束条件；最后使用波束方案选优算法，结合得到的约束条件，在波束方案空间内筛选波束分配方案以生成下一个波束分配方案集合。本发明解决了现有技术存在的波束分配匹配度低，分配效率低的技术问题，在保证准确率的同时还具有较高的实时性。
-
公开(公告)号：CN112242969A
公开(公告)日：2021-01-19
申请号：CN202011115068.6
申请日：2020-10-19
Applicant: 南京爱而赢科技有限公司
Abstract: 本发明公开了一种基于模型驱动的深度学习的新型单比特OFDM接收机，其特征在于：由信道估计模块和信号检测模块组成，所述信道估计模块和信号检测模块先利用通信算法对输入数据进行初始化，然后利用神经网络对输出结果进行优化。本发明在传统的单比特OFDM接收机设计基础之上，利用深度学习领域中模型驱动方法改进其设计，旨在提高其误码率。对于正交频分复用(OFDM)接收机，在单比特量化的限制下，进行精确的信道估计和信号检测非常困难，但是单比特量化可以大大降低系统功率损耗和复杂度。从误码率(BER)性能的角度来看，该方案优于AE‑OFDM方案以及传统的单比特接收机方案。
-
Patent Agency Ranking
公开(公告)号：CN110166980B
公开(公告)日：2022-04-15
申请号：CN201910401197.2
申请日：2019-05-15
Applicant: 南京邮电大学 , 南京爱而赢科技有限公司
Abstract: 本发明提出了一种高铁场景下分布式天线系统缓存约束的功率优化方法，包括以下步骤：功率分配策略；设置拉格朗日乘子范围；确定可达信道容量值；计算缓存数据量；计算平均发射功率和平均信道容量；最优化判决。本发明在分布式天线系统下能够根据列车与基站之间实时变化的无线传输速率与列车上接入点处恒定的数据到达率之间的关系动态分配功率，即在满足缓存区和时延的要求下最小化系统发射功率，进而降低整个系统的功耗。
-
公开(公告)号：CN110190881B
公开(公告)日：2021-07-13
申请号：CN201910444289.9
申请日：2019-05-27
Applicant: 南京邮电大学 , 南京爱而赢科技有限公司
IPC: H04B7/0426 , H04B7/0452 , H04W52/14
Abstract: 本发明提出了一种权重速率最优的下行MIMO‑NOMA功率分配方法，包括以下步骤：用户根据信道矩阵进行奇异值分解，并结合最大比值合并得到各用户簇间干扰的迫零向量；基站初始化各用户的功率以及权重因子值，应用拉格朗日对偶转换和二次转换方法获得各辅助变量表达式以及功率分配因子的表达式；以最优加权系统速率为目标，通过迭代运算获得最优功率分配因子。本发明在进行迭代运算时能够快速收敛，得到最优功率分配方案，与传统MIMO‑OMA和平均功率分配MIMO‑NOMA方案相比，本发明能够提升系统加权总速率。
-
公开(公告)号：CN112188503B
公开(公告)日：2021-06-22
申请号：CN202011055360.3
申请日：2020-09-30
Applicant: 南京爱而赢科技有限公司 , 南京南邮通信网络产业研究院有限公司
Abstract: 本发明公开了一种应用于蜂窝网络的基于深度强化学习的动态多信道接入方法，其技术方案要点是包括提供信道分配系统以及若干用户终端，信道分配系统与用户终端通信连接；信道分配系统内配置有遵循部分可观测马尔可夫链的动态多信道模型，动态多信道模型根据当前时隙的各信道状态通过最优策略算法计算下一时隙的最优信道分配方式，最优策略算法通过深度强化学习方法进行训练优化。该方法通过深度强化学习避免了庞大的指数级计算量，在保证用户终端通信质量的前提下，使得用户终端可以快速接入最优信道，提高频谱利用率。
-
公开(公告)号：CN110166100B
公开(公告)日：2021-05-18
申请号：CN201910383020.4
申请日：2019-05-09
Applicant: 南京邮电大学 , 南京爱而赢科技有限公司
Abstract: 本发明公开了基于位置公平的毫米波高铁车地通信稳定波束成形方法，包括以下步骤：步骤一：构建交错冗余覆盖网络架构；步骤二：建立发射波束宽度优化问题；步骤三：确定波束分配方案：根据发射波束宽度优化问题，计算出车载移动中继节点在基站覆盖范围内各点处所需的发射波束宽度和对应的波束边界点位置；步骤四：切换最佳服务波束：通过列车的定位系统获得列车在当前时刻的位置信息，根据波束分配方案中获得的发射波束宽度和波束边界点位置以及列车的位置信息为车载移动中继节点切换最佳的服务波束；步骤五：计算该列车通信系统的波动因子和中断概率。本发明具有能提升高铁无线通信系统数据传输的稳定性，还能保证具有较低的通信中断概率的优点。
-
公开(公告)号：CN112566261A
公开(公告)日：2021-03-26
申请号：CN202011445582.6
申请日：2020-12-08
Applicant: 南京爱而赢科技有限公司
Abstract: 本发明公开了一种基于深度强化学习的上行NOMA资源分配方法。该方法在满足每个用户最小传输速率的情况下，通过选择最优的子信道分配策略和功率分配策略，提高整个系统的能量效率，有效减少传输消耗的功率。本方法基于深度强化学习中的深度Q网络，根据NOMA系统的反馈调整网络参数，实现最优的子信道和功率分配。本方法通过功率离散化将深度Q网络适配于连续性资源分配任务，利用分布式的网络结构降低网络的输出维度，进而提高整个资源分配网络的性能。与其他方法相比，本方法能够取得更好的平均总体能量效率，并且在不同传输功率限制的条件下均能取得良好的性能。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.076 seconds)
