-
公开(公告)号：CN102791010B
公开(公告)日：2014-11-05
申请号：CN201210246792.1
申请日：2012-07-16
Applicant: 北京邮电大学 , 北京罗博施通信技术有限公司
IPC: H04W36/14
Abstract: 本发明涉及无线通信技术领域，公开了一种基于双通道的垂直切换方法，本发明通过在3GPP系统间切换锚点P-GW中增加垂直切换管理实体，当处于3GPP系统（第一通信系统）的多模终端首次切换至非授信non-3GPP移动通信系统（第二通信系统）时，垂直切换管理实体代理多模移动终端向第一通信系统中核心网控制节点MME定时发送跟踪域更新消息，维护多模终端在第一通信系统中的默认PDN连接，即第一通道。多模终端在第二通信系统建立专用PDN连接进行正常通信，即本发明所述第二通道。当多模终端重新返回至第一通信系统时，仍然通过第二通道接收数据，待重建第一通信系统上空口连接后，即可切换至第一通道，减少了信令交互过程。
-
公开(公告)号：CN102791010A
公开(公告)日：2012-11-21
申请号：CN201210246792.1
申请日：2012-07-16
Applicant: 北京邮电大学 , 北京罗博施通信技术有限公司
IPC: H04W36/14
Abstract: 本发明涉及无线通信技术领域，公开了一种基于双通道的垂直切换方法，本发明通过在3GPP系统间切换锚点P-GW中增加垂直切换管理实体，当处于3GPP系统（第一通信系统）的多模终端首次切换至非授信non-3GPP移动通信系统（第二通信系统）时，垂直切换管理实体代理多模移动终端向第一通信系统中核心网控制节点MME定时发送跟踪域更新消息，维护多模终端在第一通信系统中的默认PDN连接，即第一通道。多模终端在第二通信系统建立专用PDN连接进行正常通信，即本发明所述第二通道。当多模终端重新返回至第一通信系统时，仍然通过第二通道接收数据，待重建第一通信系统上空口连接后，即可切换至第一通道，减少了信令交互过程。
-
公开(公告)号：CN116577985B
公开(公告)日：2025-05-13
申请号：CN202310463887.7
申请日：2023-04-26
Applicant: 北京邮电大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于信息时效性的网联控制系统感传算联合优化方法，包括以下步骤：S1、构建资源独立分配场景和资源共享场景中信息时效性模型；S2、计算资源独立分配场景中广义信息时效性、设备的传输能耗和设备的计算能耗；S3、以设备成本来量化系统性能和效率，建立优化问题为保证公平性的前提下最小化传输和计算能耗，同时最大化信息时效性；求解优化问题，获得最优的采样策略与资源分配策略。本发明联合考虑网联控制系统信息流环路中的数据采集、传输和计算三个过程，推导出不同边缘卸载模式下的信息时效价值指标，并基于此设计了感知策略和通信、计算联合资源分配方案，以提高系统整体性能和效率。
-
公开(公告)号：CN116318310B
公开(公告)日：2025-03-21
申请号：CN202310149565.5
申请日：2023-02-22
Applicant: 北京邮电大学
IPC: H04B7/145 , H01Q15/00 , H01Q15/14 , H01Q15/02 , G06F30/20 , H04W16/18 , H04W24/02 , G06F111/04 , G06F111/10
Abstract: 本发明公开了一种集成信号反射折射放大及能量收集的智能超表面及其应用，智能超表面可以在一个表面上同时支持无线信号的反射、折射、放大和能量收集，从而通过所收集的能量来实现放大反射/折射信号的目的，进而增强无线信号的有效覆盖范围。本发明构建的MF‑RIS的信号模型应用在多用户无线网络时，以最大化MF‑RIS辅助的正交多址网络中多个用户的和速率为目标，构建了一个联合设计基站发射波束赋形、MF‑RIS不同元件及其部署位置的操作模式和参数的非凸优化问题，然后设计了一个迭代优化算法来有效地解决前述非凸优化问题，从而最大化多个用户的和速率。
-
公开(公告)号：CN119031412A
公开(公告)日：2024-11-26
申请号：CN202310597945.5
申请日：2023-05-24
Applicant: 北京邮电大学
IPC: H04W28/06 , H04W72/12 , H04W72/0446 , H04W72/0453
Abstract: 本公开涉及通信技术领域，具体涉及人工智能、语义通信等技术领域，尤其涉及下行多址接入方法、装置、电子设备及存储介质。具体实现方案为：基站将第一语义信息划分为共性信息和个性信息；基站通过同一时频资源同时向多个用户端传输共性信息；通过多个不同的时频资源依次向每个用户端传输对应的个性信息；用户端将共性信息和个性信息进行整合后得到第二语义信息；对第二语义信息进行恢复得到第二业务信息。针对共性信息，基站仅需通过同一时频资源向多用户传输一次，节约传输共性信息的传输时间和带宽，避免造成通信资源的浪费，并提升通信效率。
-
Patent Agency Ranking
公开(公告)号：CN118843144A
公开(公告)日：2024-10-25
申请号：CN202310451092.4
申请日：2023-04-24
Applicant: 北京邮电大学
IPC: H04W28/06
Abstract: 本公开提供了一种智能网络空中接口的业务信息传输方法和相关装置；传输方法包括：语义信息提取步骤，发送端将业务信息转换为语义信息；信源信道联合编码步骤，发送端基于共享信道将语义信息转换为语义编码；模分多址语义调制步骤，发送端划分语义编码生成共性语义编码和特性语义编码；以多址方式调制共性语义编码和特性语义编码，生成调制信号；传输步骤，发送端将调制信号送入共享信道传输到接收端；语义解调步骤，接收端将接收到的调制信号进行解调，得到第二语义编码；语义解码步骤，接收端将第二语义编码转换为第二语义信息；业务信息恢复步骤，接收端将第二语义信息恢复为第二业务信息。
-
公开(公告)号：CN118839750A
公开(公告)日：2024-10-25
申请号：CN202410738719.9
申请日：2024-06-07
Applicant: 北京邮电大学
IPC: G06N3/098 , G06N3/0455 , G06N3/088 , G06F18/23
Abstract: 本申请提供一种基于数据表征优化的聚类联邦学习方法及相关设备，包括：所述服务器确定全局模型和至少两个所述参与方，对所述全局模型进行初始化，并将初始化后的所述全局模型下发至所述参与方；任一所述参与方接收所述全局模型，根据本地数据集对所述全局模型进行训练，确定局部模型和表征信息，并将所述局部模型和所述表征信息发送至所述服务器；所述服务器根据所述表征信息进行聚类，确定聚类簇和聚类簇标识，根据所述聚类簇标识进行联邦学习。本申请通过获取参与方表征信息，根据表征信息进行聚类和联邦学习，不仅可以减少传输的数据量，还能够更加有效地利用参与方的数据表征信息，提高联邦学习的效率和准确性。
-
公开(公告)号：CN118425940A
公开(公告)日：2024-08-02
申请号：CN202410593729.8
申请日：2024-05-14
Applicant: 北京邮电大学
Abstract: 本发明提供一种多点协同被动感知方法、装置、接收节点及介质，涉及协同感知技术领域。所述多点协同被动感知方法包括：接收多个发射节点发送的感知信号，包括经过目标反射的NLoS径信号和未经过目标反射的LoS径信号；根据感知信号，获取每个发射节点的经过通信信息剥离后的NLoS径信号和LoS径信号；对经过通信信息剥离后的NLoS径信号和LoS径信号进行互相关处理，获得每个发射节点的互相关结果；根据每个发射节点的互相关结果，获取每个发射节点对应的目标的距离特征向量和速度特征向量；根据每个发射节点对应的目标的距离特征向量和速度特征向量，获取目标的位置感知结果和速度感知结果。本发明的方案，能够提高目标感知精度。
-
公开(公告)号：CN118283695A
公开(公告)日：2024-07-02
申请号：CN202410400246.1
申请日：2024-04-03
Applicant: 北京邮电大学
Abstract: 一种终端测量方法、装置、网络设备及存储介质，该方法包括：接收目标终端发送的参考信号；根据所述参考信号确定所述目标终端的速度，和/或，与所述目标终端的距离；其中，所述参考信号包括：第一参考信号和/或第二参考信号；所述第一参考信号包括：解调参考信号以及定位参考信号，所述第二参考信号包括：解调参考信号、定位参考信号以及信道状态信息参考信号。本申请实施例的终端测量方法，通过联合多种参考信号作为通信感知一体化信号，提高了感知精度，解决了现有技术中采用单一的参考信号用于雷达感知，感知性能受限且会影响通信性能的问题。
-
公开(公告)号：CN118264356A
公开(公告)日：2024-06-28
申请号：CN202410526177.9
申请日：2024-04-29
Applicant: 北京邮电大学
IPC: H04K3/00
Abstract: 本申请提供了干扰波形的生成方法、装置、干扰系统、设备及存储介质，其中，方法包括：获取目标信号的采样数据集；根据采样数据集的时域特征得到时域数据集，对采样数据集中的样本进行快速傅里叶变换，得到频域数据集；根据时域数据集和频域数据集，对时频域联合训练模型进行联合训练，得到与目标信号对应的目标生成器，时频域联合训练模型包括：生成器、时域判别器和频域判别器；向目标生成器输入符合高斯分布的随机变量，生成与目标信号对应的目标干扰波形。基于深度卷积生成对抗网络的时频域联合训练模型，通过频域判别器和时域判别器与生成器进行对抗学习，能够充分地提取数据的频域特征，进而在无需先验信息的条件下，生成更有效的干扰波形。
-
-
-
-
-
-
-
-
-
Search Results
894
records
(took 0.08 seconds)
