一种基于上下行频谱联合复用的D2D资源分配方法

    公开(公告)号:CN110611902B

    公开(公告)日:2022-08-02

    申请号:CN201910884528.2

    申请日:2019-09-19

    Abstract: 本发明公开了一种基于上下行频谱联合复用的D2D资源分配方法,属于无线通信技术领域。本发明首先对D2D信道分配变量和相关的约束条件进行建模;分别对复用模式下D2D用户和蜂窝用户的传输速率进行建模,以最大化D2D网络的吞吐量为目标,将D2D资源分配问题构建为混合整数非线性规划问题Φ;将问题Φ分解为功率分配问题Φ1和信道分配问题Φ2;利用拉格朗日对偶理论将问题Φ1转化为凸优化问题;将问题Φ1的解代入到Φ中,得到问题Φ2,将其转化为二分图最大权匹配问题,然后利用Hopcroft‑Karp算法进行求解,直到实现所有D2D用户的最佳信道资源分配,进而实现D2D网络吞吐量的最大化。

    联合MIMO基站与非MIMO基站的高精度定位方法

    公开(公告)号:CN111083637B

    公开(公告)日:2021-04-30

    申请号:CN201911402611.8

    申请日:2019-12-31

    Abstract: 本发明属于无线定位技术领域,特别是涉及一种联合MIMO基站与非MIMO基站的高精度定位方法。该方法包括以下步骤:获取MIMO通信基站的基站标识符以及天线数量;由MIMO通信基站发送PRS定位参考信号;获取非MIMO辅助定位基站的基站标识符;由非MIMO辅助定位基站发送PRS定位参考信号;移动用户设备接收来自MIMO通信基站和非MIMO辅助定位基站的定位参考信号波形,并选取MIMO通信基站作为基准基站,计算出信号到达时间差和信号到达角度;根据所获得的信号到达角度和信号到达时间差混合解算移动用户设备的位置。本发明减少了阵列天线的需求数量,降低了基站硬件要求,节约了成本。提升了信号质量和可用基站数量,提高了定位的稳定性。提高了移动用户设备的定位精度。

    一种基于径向基函数神经网络的非视距误差抑制方法

    公开(公告)号:CN111432364A

    公开(公告)日:2020-07-17

    申请号:CN202010216383.1

    申请日:2020-03-25

    Abstract: 本发明提供一种基于径向基函数神经网络的非视距误差抑制方法,包括:将原始多径TOA样本数据进行标准化分类预处理,得到标准化分类的多径TOA样本数据;建立径向基函数神经网络,并使用量子人工蜂群对径向基函数神经网络进行优化,该径向基函数神经网络由隐层和输出层组成;由标准化分类的多径TOA样本数据训练径向基函数神经网络;使用径向基函数神经网络识别并剔除未知多径TOA数据中的非视距误差。本发明提高移动用户设备的定位精度;不增加任何额外冗余基站,降低部署成本;不带来额外的解算复杂度,提升定位效率。

    基于流量分享的超额预售方法
    7.
    发明公开

    公开(公告)号:CN110992126A

    公开(公告)日:2020-04-10

    申请号:CN201911066246.8

    申请日:2019-11-04

    Abstract: 本发明属于无线通信技术领域,具体涉及基于流量分享的超额预售方法。本发明根据数据购买者不同的QoS偏好以超额预售方法提供不同的数据共享服务,允许数据购买者取消订单,提高数据共享服务的灵活性。本发明能够保证数据流量交易管理者获得经济收益,使数据购买者可以选择不同QoS的网络服务,并允许数据购买者取消预订和超额预售,提高数据流量交易过程中的灵活性的同时优化管理收益。本发明关注数据共享过程中的平台管理收益,以超额预售方法降低管理平台的数据流量虚耗,减少管理经济损失,优化平台管理收益,以提高数据共享过程中管理者参与积极性。本发明可用于管理数据流量交易,为用户提供网络服务。

    一种多用户多边缘服务器场景下的计算卸载方法

    公开(公告)号:CN110535700A

    公开(公告)日:2019-12-03

    申请号:CN201910813878.X

    申请日:2019-08-30

    Abstract: 本发明公开了一种多用户多边缘服务器场景下的计算卸载方法,属于移动云计算领域。本发明包括以下具体步骤:1.控制器依据收集到的全体用户信息及系统的目标,利用多用户多边缘服务器场景下的计算卸载建模方法对多用户多边缘服务器计算卸载问题进行建模,得到双层优化模型。2.控制器根据上一步得到的初始问题模型的特点,将原始的双层优化问题转化为等价的单层优化问题。3.控制器利用分支限界法对上一步得到的单层优化问题模型进行求解。本发明本发明提出的方法同时考虑到用户的计算时延和计算能量问题,满足用户需求的多样性,极大的提高了经济效益;发明提出的方法同时考虑用户在本地和云端计算代价,有效减少了总体用户的计算代价。

    一种基于MapReduce的Map端数据的聚合方法

    公开(公告)号:CN106484879B

    公开(公告)日:2019-08-06

    申请号:CN201610899802.X

    申请日:2016-10-14

    Abstract: 本发明提供的是一种基于MapReduce的Map端数据的聚合方法。包括测试阶段和聚合阶段。测试阶段,通过测试阶段来验证所使用Map端的Map函数中的算法是否适合进行内聚合。内聚合方法是在内存中Map函数的计算过程中进行的,计算完一部分后就进行聚合;外聚合方法是在Map函数将所有数据计算完存入磁盘后,再调入内存进行聚合。聚合阶段,若测试通过,使用内聚合方法对Map端计算后的数据进行聚合;若测试未通过,使用外聚合方法对Map端计算的后的数据进行聚合。本发明根据数据的特点,保证计算结果正确的前提下,选择相应的聚合方式,在减少I/O的访问次数的同时,减少传输 的通信量。

Patent Agency Ranking