-
公开(公告)号：CN118233997A
公开(公告)日：2024-06-21
申请号：CN202410295847.0
申请日：2024-03-15
Applicant: 南京大学
Abstract: 本发明公开了一种面向绿色全解耦网络的全维功耗建模方法及系统，得到了全解耦网络的全面功耗模型，包括全解耦网络基站功耗模型、基站与边缘云之间的前传链路的功耗模型、边缘云的功耗模型以及用户的功耗模型；基站功耗模型中考虑功率放大器、射频和BBU功耗，并考虑架构功耗，其中上行基站不考虑功率放大器功耗；前传链路的功耗模型包括与负载无关的固定功耗，以及与负载相关的功耗；边缘云的功耗模型根据全解耦网络中的中心化等级，以及BBU在基站中功耗的百分比计算；用户的功耗模型包括电路功耗和发送功耗型。本发明为全解耦网络的能效研究提供了准确和实际的能耗评估标准，为进一步研究全解耦网络上行和/或下行能效优化提供了基础。
-
公开(公告)号：CN118075349A
公开(公告)日：2024-05-24
申请号：CN202410213852.2
申请日：2024-02-27
Applicant: 南京大学
IPC: H04L67/56 , H04L67/10 , H04L67/01 , H04L67/141 , H04L47/193
Abstract: 本发明公开了一种面向多云原生应用的网络孪生多宿传输方法与系统，为充分利用多宿网络资源并提升用户通信体验提出了解决方案。首先，引入网络孪生服务作为用户所有云原生应用的通信代理，将传统端到端的一段式通信分割成三段式通信实现云原生应用客户端和服务端的解耦；其次，网络孪生服务建立利用多宿网络的全天候常开通信连接，用户云原生应用的数据在网络孪生的调度下利用该条连接进传输；最后，利用QUIC的流技术将云原生应用数据多流复用到网络孪生服务建立的常开连接上进行通信传输。相比于现有的应用端到端通信传输方法，本发明能够在充分利用多宿网络实现带宽更大、更稳定的通信的同时避免传统多路径通信协议对多应用造成的阻塞。
-
公开(公告)号：CN117060958A
公开(公告)日：2023-11-14
申请号：CN202311164126.8
申请日：2023-09-11
Applicant: 南京大学
IPC: H04B7/0413 , H04B7/0456 , H04L27/00 , H04B7/06 , H04B7/08
Abstract: 本发明公开了一种基于地理位置信息的6G全解耦网络下行传输方法与系统，为6G全解耦网络提供了一个无信道状态信息反馈的高频效解决方案。该方法包括：使用射线追踪信息根据地理位置信息生成频率选择性衰落信道数据；发射机根据接收机的地理位置信息利用多任务深度强化学习网络选择传输参数，并使用相应的调制编码方式和预编码矩阵进行数据传输；接收机根据接收到的数据对传输参数进行评估并更新多任务神经网络参数；发射机在射线追踪地图中随机游走，并重复以上步骤直至多任务神经网络的输出和最佳传输参数一致。本发明无需信道状态信息反馈，可有效解决6G全解耦网络中由硬件解耦造成的无反馈难题，为6G全解耦网络提供了一种有效的下行传输方法。
-
公开(公告)号：CN114554494A
公开(公告)日：2022-05-27
申请号：CN202210027262.1
申请日：2022-01-11
Applicant: 南京大学
IPC: H04W16/10 , H04W52/36 , H04W72/04 , H04B7/08 , H04B7/0456 , H04B17/391
Abstract: 一种面向6G全解耦网络的上下行联合动态资源分配方法，1)上行基站收集全网的信道估计，包括用户发出的导频信号和用户基于下行基站导频信号进行的信道估计，将全网信道信息回传至边缘中心做动态资源分配；2)根据用户与上下行基站和不同子信道之间的信道信息，假设基站和用户采用功率均分的方法，将用户‑基站‑子信道的三维匹配问题建模为大规模多对多匹配模型；3)根据用户‑基站‑子信道的匹配关系，基于连续凸近似理论，分别针对多用户的上行相干传输和多基站的下行相干传输，采用上下行功率控制算法；4)步骤2、3均进行并行计算，得出使得系统容量最大的上下行频谱划分比例，并将动态资源分配方案发送给上行用户和下行基站实现。
-
公开(公告)号：CN114449634A
公开(公告)日：2022-05-06
申请号：CN202210057174.6
申请日：2022-01-18
Applicant: 南京大学
IPC: H04W52/14 , H04W52/24 , H04B7/0456
Abstract: 本发明公开一种面向6G全解耦网络的上行用户高效功率控制方法，上行基站上传信道的一阶和二阶统计信息至边缘云；边缘云基于全局的信道统计信息，对用户的发射功率进行迭代求解；边缘云将计算得到的用户发射功率下发至控制基站；控制基站将发射功率信息发送至相应的用户；基站将用户通过该基站将信息上传到边缘云视为等效信道，统计该等效信道的期望和方差，并周期性地上传至边缘云；边缘云基于等效信道的统计信息，迭代计算用户的发射功率直至算法收敛。该方法可以高效地计算用户的发射功率，并提高无线移动通信网络的频效和能效。通过控制用户的发射功率，降低用户间的干扰，从而实现更高的网络频效和能效。
-
Patent Agency Ranking
公开(公告)号：CN114448485A
公开(公告)日：2022-05-06
申请号：CN202210053419.8
申请日：2022-01-18
Applicant: 南京大学
IPC: H04B7/08 , H04B17/318 , H04B17/345 , H04B17/391
Abstract: 面向6G全解耦网络的上行多点灵活联合接收方法，包括基站、用户和边缘云，算法实现基于两层合并解码机制，包括在基站处的分布式执行过程和基站边缘云处的中心式执行过程；所述两层合并解码机制，基站对用户发送的数据信息进行局部的第一级的合并即分布式执行过程，该合并使用最小均方误差(MMSE)的合并方式，假设此时用户发送信息的合并向量为wm,k；基站会将合并后的数据上传至边缘云；边缘云基于信道的统计信息，将来自步骤1多路的合并后数据进行基站边缘云处的中心式的MMSE解码，实现第二级的合并；本发明为解决6G全解耦网络中上行虚拟服务基站集的高效选择，为用户提供个性化的服务保障进而提高网络的频效和能效提供新的潜在方法。
-
公开(公告)号：CN118158784A
公开(公告)日：2024-06-07
申请号：CN202410295855.5
申请日：2024-03-15
Applicant: 南京大学
Abstract: 本发明公开了一种面向绿色全解耦网络的灵活基站休眠和资源协作方法及系统，本发明首先构建了用户‑上行基站关联矩阵、上行基站运行状态向量和用户功率向量的联合优化问题，在满足用户QoS约束的情况下，最大化上行全解耦网络能效；然后将优化问题分解为等效的联合优化用户‑上行基站关联矩阵和上行基站运行状态向量的上层问题，以及优化用户功率向量的下层问题；再使用基于Dinkelbach的连续下界最大化算法求解下层问题；使用多对多交换匹配算法求解上层问题；其中多对多交换匹配算法中用户偏好能效更高且上行基站下所有用户均可达到最小QoS速率的上行基站。仿真结果表明本发明实现了全解耦网络的高能效和所提出算法的有效性。
-
公开(公告)号：CN114666844A
公开(公告)日：2022-06-24
申请号：CN202210054434.4
申请日：2022-01-18
Applicant: 南京大学
Abstract: 一种面向6G的智简高效全解耦网络架构，基于基站、用户和边缘云，其中数据基站又包含下行基站和上行基站；边缘云与各基站之间用光纤连接；控制信道的传输时延要比数据信道的传输时延低；数据信道是分布式协作发送，传输、处理、存储一体式接收；边缘云是整个协作区域内数据集中处理的实体；所述全解耦网络是一个局部区域内多基站协作为用户提供无线接入服务的网络架构；全解耦网络的控制面和数据面是物理分离的；数据面的上行和下行也是物理分离的；数据面的业务传输是通过多点协作实现的；本发明能将网络充分地解耦，有效地促进多维资源的协作，提高整个网络的频谱效率，为用户提供个性化通信服务，并降低组网成本。
-
公开(公告)号：CN114448486A
公开(公告)日：2022-05-06
申请号：CN202210120109.3
申请日：2022-02-08
Applicant: 南京大学
IPC: H04B7/08 , H04B7/06 , H04B17/391 , H04W72/04
Abstract: 一种面向全解耦网络下行多点协作调度方法，1)用户基于下行帧中的导频序列估计出信道信息值，然后将本地估计出来的信道信息回到基站的边缘基带信号处理中心；2)根据所测得信道信息，考虑基站和用户之间的功率分配是平均分配，将用户和基站的匹配关系建模为一个多对多的图匹配问题、即建模为一个以最大化总容量为标准的多对多匹配模型，设计多对多初始化以及交换匹配算法；3)根据用户和基站的多对多匹配方案以及接收到的信道信息，考虑用户之间相干传输的干扰，建立以用户加权速率和为目标的优化问题，用分数规划将协作调度的问题转化为多变量的非凸问题，并且使用分块坐标下降的方式得到基站对用户的波束赋形矩阵。
-
公开(公告)号：CN119519773A
公开(公告)日：2025-02-25
申请号：CN202411713648.3
申请日：2024-11-27
Applicant: 南京大学
IPC: H04B7/0413 , H04B7/06 , H04B17/391 , H04W72/0453 , H04W72/0457
Abstract: 本发明公开了一种面向空天地一体化的全解耦网络无反馈传输和资源动态分配方法，为空天地多节点协作的资源管理提供解决方案。该方法包括：基于深度学习的信道状态信息预测模型，通过用户地理位置信息代替传统反馈信号，实现多输入多输出传输；并设计了多对一匹配模型，用于在空天地异构节点间实现频谱资源块的自适应分配，确保匹配的稳定性且具备低复杂度和快速收敛特性。针对多节点的协同传输和异构节点间的资源分配，通过无反馈的信道状态信息预测与资源分配机制提升系统频谱效率。与传统网络中的单连接方式和基于轮询的资源调度相比，本发明的灵活资源分配算法显著提升了网络容量并改善了用户通信质量。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.025 seconds)
