-
Patent Agency Ranking
公开(公告)号：CN110430584B
公开(公告)日：2020-10-23
申请号：CN201910720589.5
申请日：2019-08-06
Applicant: 北京邮电大学
Abstract: 本发明提出了一种毫米波网络中非活跃用户的上行多波束初始接入方法。具体的，非活跃用户发送上行参考信号进行全向波束扫描，小站侧收集各个用户的SINR信息并建立波束对信息记录表，保存SINR值最大的两个波束对的相关信息；宏站接收控制范围内小站的波束对信息记录表并判决非活跃用户的最优波束对和次优波束对，将最优波束对信息告知小站和用户进行波束对连接；无线链路失败检测并利用次优波束对进行快速波束恢复，若仍无法满足链路性能需求，由下一次波束扫描的最优波束对恢复波束连接。本发明分析了波束扫描周期、小站密度、用户速率对初始接入性能的影响，通过和现有波束初始接入方法比较验证初始接入性能增益。
-
公开(公告)号：CN110401964B
公开(公告)日：2021-08-03
申请号：CN201910724874.4
申请日：2019-08-06
Applicant: 北京邮电大学
IPC: H04W24/06 , H04W52/22 , H04B7/0456
Abstract: 本发明提出了一个名为UcnNet的深度残差网络，拟合以用户为中心网络(UCN)下实数域的加权最小均方误差(WMMSE)算法。具体地，为了有效地管理UCN中的耦合干扰，推导多小区协作下基于WMMSE的实数域功率控制算法，用于产生接近系统总容量最优的训练标签；然后输入多级残差结构、批归一化层的网络进行训练，输出通过满足功率约束的激活函数，给定输入信道信息，预测各基站发射功率。UcnNet训练完成后，在输入全局信道信息的情况下，通过较少的计算可以产生与WMMSE类似的输出。实验仿真结果展示了UcnNet的高度拟合能力，拟合效率可达97.68％，同时实现了超过WMMSE迭代算法100倍的效率提升。
-
公开(公告)号：CN110418354A
公开(公告)日：2019-11-05
申请号：CN201910723549.6
申请日：2019-08-06
Applicant: 北京邮电大学
Abstract: 本发明基于大量的实际网络数据集训练免传播模型的接收信号强度(RSS)预测器，并通过多目标启发式方法优化基站(BS)部署的覆盖性能。具体而言，将诸如地理环境和基站的操作参数等信号传播的更实用的特征馈送到机器学习(ML)模型中以预测接收信号强度；此外，基于预测模型设计一种多目标贪婪算法，初始化可行解符合地理约束并且使其固定与优化区域经纬度相关，并固定搜索方向的优化步长，步长根据参数上下限设定，优化目标是以最少基站满足覆盖率达标。数值仿真结果表明，多层感知机在接收信号强度预测方面优于其他机器学习算法，基站部署仿真也验证了本发明的收敛性和可用性，在覆盖率方面比实际部署更好，且需要部署的基站数更少。
-
公开(公告)号：CN110430584A
公开(公告)日：2019-11-08
申请号：CN201910720589.5
申请日：2019-08-06
Applicant: 北京邮电大学
Abstract: 本发明提出了一种毫米波网络中非活跃用户的上行多波束初始接入方法。具体的，非活跃用户发送上行参考信号进行全向波束扫描，小站侧收集各个用户的SINR信息并建立波束对信息记录表，保存SINR值最大的两个波束对的相关信息；宏站接收控制范围内小站的波束对信息记录表并判决非活跃用户的最优波束对和次优波束对，将最优波束对信息告知小站和用户进行波束对连接；无线链路失败检测并利用次优波束对进行快速波束恢复，若仍无法满足链路性能需求，由下一次波束扫描的最优波束对恢复波束连接。本发明分析了波束扫描周期、小站密度、用户速率对初始接入性能的影响，通过和现有波束初始接入方法比较验证初始接入性能增益。
-
公开(公告)号：CN110401964A
公开(公告)日：2019-11-01
申请号：CN201910724874.4
申请日：2019-08-06
Applicant: 北京邮电大学
IPC: H04W24/06 , H04W52/22 , H04B7/0456
Abstract: 本发明提出了一个名为UcnNet的深度残差网络，拟合以用户为中心网络(UCN)下实数域的加权最小均方误差(WMMSE)算法。具体地，为了有效地管理UCN中的耦合干扰，推导多小区协作下基于WMMSE的实数域功率控制算法，用于产生接近系统总容量最优的训练标签；然后输入多级残差结构、批归一化层的网络进行训练，输出通过满足功率约束的激活函数，给定输入信道信息，预测各基站发射功率。UcnNet训练完成后，在输入全局信道信息的情况下，通过较少的计算可以产生与WMMSE类似的输出。实验仿真结果展示了UcnNet的高度拟合能力，拟合效率可达97.68％，同时实现了超过WMMSE迭代算法100倍的效率提升。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
