-
公开(公告)号：CN113709078B
公开(公告)日：2022-10-11
申请号：CN202110912625.5
申请日：2021-08-10
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种用于OFDM无线通信系统的跳频方法，其中，OFDM符号包括预留符号和数据符号两种类型，预留符号与数据符号，一个跳频周期包括n个OFDM符号，n为正整数，前m个OFDM符号为预留符号，余下的n‑m个OFDM符号为数据符号，m为正整数，1≤m＜n，所述方法包括：UE和基站协商m和n的大小，并由基站确定配置起始位置τ；UE和基站根据m、n和τ配置预留符号和数据符号；在每个跳频周期，UE和基站利用m个预留符号进行跳频切换，利用n‑m个数据符号进行数据信息与控制信息的传输。本发明可根据跳频硬件能力和跳频参数，充分利用时频资源，灵活配置跳频切换时间占用的OFDM符号数和位置，动态帧结构自配置方法降低帧配置协议开销，实现跳频与5G NR的融合，使OFDM跳频系统稳定高效运行。
-
公开(公告)号：CN113708797B
公开(公告)日：2022-08-30
申请号：CN202110912642.9
申请日：2021-08-10
Applicant: 中国科学院计算技术研究所
IPC: H04B1/7156
Abstract: 本发明提供一种用于5G NR的跳频同步方法，包括：步骤100：接收方搜索同步信息块，建立下行同步；步骤200：接收方从发送方接收跳频同步半静态参数信息，所述跳频同步半静态参数信息至少包括接收方跳变图谱ID、同步维持信息时间间隔、同步校准信息时频位置、跳变速率，其中不同跳变图谱ID代表了不同的跳变图谱生成方案；步骤300：发送方通过DCI信令承载指示生成的跳频序列起始点位置的同步信息，发送方与接收方根据半静态参数信息和同步信息，建立跳频序列起点。基于本发明的实施例，可以实现基于5G NR的OFDM跳频系统，并使跳频系统正常运行，保证宽带数据传输的同时并具备一定的抗干扰能力。
-
公开(公告)号：CN113064435B
公开(公告)日：2022-08-02
申请号：CN202110340172.3
申请日：2021-03-30
Applicant: 中国科学院计算技术研究所
IPC: G05D1/02
Abstract: 本发明提供一种用于无人驾驶的无线虚拟导轨系统，包括：多个感应信标、无人驾驶汽车、无线通信网络、边缘管控中心和全局管控中心，其中，所述多个感应信标铺设在道路上，用于将自身的物理位置信息以无线信号发送到所述无人驾驶汽车；所述无人驾驶汽车安装有感应信标接收器，用于接收所述感应信标发送的无线信号；所述无线通信网络用于所述无人驾驶汽车与所述边缘管控中心以及全局管控中心高速通信；所述边缘管控中心用于根据所述全局管控中心下发的虚拟导轨指示无人驾驶汽车在道路行驶的实时任务；所述全局管控中心用于为所述无人驾驶汽车规划虚拟导轨以及无人驾驶汽车整体调度的准实时任务。
-
公开(公告)号：CN113709079A
公开(公告)日：2021-11-26
申请号：CN202110913267.X
申请日：2021-08-10
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种用于OFDM通信系统的跳频方法，其中发送端至少包括第一发射天线Sm和第二发射天线Sn，接收端至少包括第一接收天线Rm和第二接收天线Rn，所述方法包括：收发端通过发送端天线Sm和接收端天线Rm进行通信，按照图谱指示驻留在源频率f1，用于数据发送和接收；在预定的提前接入时刻，发送端的天线Sn和接收端的天线Rn分别执行提前接入操作，在频率f2进行数据发送和接收，以及待发送端的天线Sn和接收端的天线Rn完成频率接入操作，分别开始f2频率驻留；天线Sm和天线Rm在跳频周期T结束时停止数据传输。基于本发明的实施例，可以减小甚至消除换频时延，实现在跳频时刻零时延跳变至新的频率，在保障系统的抗干扰能力的同时，提升系统通信性能。
-
公开(公告)号：CN112362052A
公开(公告)日：2021-02-12
申请号：CN202011163752.1
申请日：2020-10-27
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种融合定位方法及系统。本发明的方法用于对具有行进轮的目标主体进行定位，所述目标主体具有惯性导航模块和基于行进轮的速度测量模块，所述方法包括：在所述目标主体保持静止，行进轮旋转的情况下，测定惯性导航模块和速度测量模块的噪声方差；构建与所述目标主体的位置相关的卡尔曼滤波状态量和观测量；基于所述噪声方差以及所述状态量和观测量构建表征位置预测不确定性的噪声矩阵；实时测量所述观测量，并基于所测得的观测量基于卡尔曼滤波进行所述目标主体的位置预测。
-
Patent Agency Ranking
公开(公告)号：CN117693029A
公开(公告)日：2024-03-12
申请号：CN202311564548.4
申请日：2023-11-22
Applicant: 中国科学院计算技术研究所
IPC: H04W72/0446 , H04B1/00
Abstract: 本发明提供一种通信系统物理层信号处理方法，所述物理层信号包括多帧数据，每帧数据包含多个连续的时隙，所述方法包括将每帧数据中的多个连续时隙按时间顺序进行连续编号并执行如下步骤：S1、基于物理层信号中每一帧数据的时隙数以及每帧数据的传输时间对通信系统进行预配置，以构建多个相互隔离的线程池，并将线程池按照时隙编号规则进行连续编号；S2、将每帧数据中的每个时隙与一个线程池绑定，不同帧中相同编号的时隙绑定同一个线程池；S3、基于所述步骤S2中时隙与线程池的绑定关系对物理层信号进行处理。本发明方案在满足实时性处理要求的同时避免了需要设计复杂的负载均衡机制以及处理启动机制，易于部署与实现。
-
公开(公告)号：CN113708797A
公开(公告)日：2021-11-26
申请号：CN202110912642.9
申请日：2021-08-10
Applicant: 中国科学院计算技术研究所
IPC: H04B1/7156
Abstract: 本发明提供一种用于5G NR的跳频同步方法，包括：步骤100：接收方搜索同步信息块，建立下行同步；步骤200：接收方从发送方接收跳频同步半静态参数信息，所述跳频同步半静态参数信息至少包括接收方跳变图谱ID、同步维持信息时间间隔、同步校准信息时频位置、跳变速率，其中不同跳变图谱ID代表了不同的跳变图谱生成方案；步骤300：发送方通过DCI信令承载指示生成的跳频序列起始点位置的同步信息，发送方与接收方根据半静态参数信息和同步信息，建立跳频序列起点。基于本发明的实施例，可以实现基于5G NR的OFDM跳频系统，并使跳频系统正常运行，保证宽带数据传输的同时并具备一定的抗干扰能力。
-
公开(公告)号：CN113630360A
公开(公告)日：2021-11-09
申请号：CN202110913220.3
申请日：2021-08-10
Applicant: 中国科学院计算技术研究所
IPC: H04L27/26 , H04W72/04 , H04B1/7143
Abstract: 本发明提供一种用于宽带OFDM系统的跳频方法，包括：步骤110：发送端将初始配置信息发送给接收端；步骤120：发送端和接收端根据所述初始配置信息，产生相同的伪随机序列；步骤130：发送端和接收端根据所述相同的伪随机序列产生相同的带内BWP的跳频图谱；步骤140：根据所述相同的带内BWP跳频图谱，发送端将带内BWP配置指令传递给OFDM调制模块，接收端将与发送端相同的BWP配置指令传递给OFDM解调模块。基于本发明的实施例，可以动态自适应的使用整个载波带宽的一部分带宽进行传输，同时，系统可以感知当前载波带宽内的干扰严重程度，根据干扰程度在带内跳频模式和带内带外联合跳频模式中进行选择。
-
公开(公告)号：CN113064435A
公开(公告)日：2021-07-02
申请号：CN202110340172.3
申请日：2021-03-30
Applicant: 中国科学院计算技术研究所
IPC: G05D1/02
Abstract: 本发明提供一种用于无人驾驶的无线虚拟导轨系统，包括：多个感应信标、无人驾驶汽车、无线通信网络、边缘管控中心和全局管控中心，其中，所述多个感应信标铺设在道路上，用于将自身的物理位置信息以无线信号发送到所述无人驾驶汽车；所述无人驾驶汽车安装有感应信标接收器，用于接收所述感应信标发送的无线信号；所述无线通信网络用于所述无人驾驶汽车与所述边缘管控中心以及全局管控中心高速通信；所述边缘管控中心用于根据所述全局管控中心下发的虚拟导轨指示无人驾驶汽车在道路行驶的实时任务；所述全局管控中心用于为所述无人驾驶汽车规划虚拟导轨以及无人驾驶汽车整体调度的准实时任务。
-
公开(公告)号：CN118095478A
公开(公告)日：2024-05-28
申请号：CN202311458993.2
申请日：2023-11-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种无线联邦学习方法，包括：采用联邦学习的方式对待训练的机器学习模型进行多轮迭代训练，其中每轮训练包括：S1、由所述服务器根据预先设置的基于节点峰值信息年龄PAo I的约束规则从所述多个通信节点中选择部分节点；S2、由所述服务器向被选择的部分节点分别发送上一轮训练生成的全局机器学习模型；S3、由所述被选择的部分节点根据其本地数据并行地更新从所述服务器接收到的全局机器学习模型，并且将更新后的本地机器学习模型传输到所述服务器；以及S4、由所述服务器基于收集到的更新后的本地机器学习模型生成新的全局机器学习模型。通过上述无线联邦学习方法，从而高效得获得有效的机器学习模型。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.027 seconds)
