-
公开(公告)号：CN114599100B
公开(公告)日：2024-01-19
申请号：CN202210231703.X
申请日：2022-03-10
Applicant: 中国人民解放军32039部队 , 西安交通大学
Abstract: 本发明提供了一种波束资源分配方法及装置，涉及卫星通信的技术领域，包括：先获取用户终端的波束容量需求信息；然后将波束容量需求信息输入至波束资源分配模型，得到用户终端的波束资源分配结果；其中，波束资源分配模型是基于不同样本波束容量需求信息和不同样本波束容量需求信息所对应的波束资源分配结果进行模型训练，并在模型训练过程中采用近端优化策略更新模型参数后得到的神经网络模型。本发明通过基于近端策略更新模型参数的方式能够保证得到的波束资源分配模型贴合实际，进而在保证波束资源分配计算具有时效性的同时，还能够兼顾波束资源分配结果的准确性。
-
公开(公告)号：CN118157732A
公开(公告)日：2024-06-07
申请号：CN202410416370.7
申请日：2024-04-08
Applicant: 西安交通大学
IPC: H04B7/06 , H04B7/08 , G06N3/0442 , G06N3/0455
Abstract: 本发明公开了一种基于位置信息的波束跟踪方法及相关设备，属于无线通信中的波束跟踪领域，本方法利用位置信息辅助的融合神经网络模型进行波束跟踪，首先根据采集的当前时刻的位置信息，从波束角度数据库中定位得到当前时刻的位置信息对应的最优波束对角度；再将最优波束对角度以及车辆上一时刻段的连续位置信息融合神经网络模型，获得下一时刻的波束对角度；最终将下一时刻的波束对角度反馈至基站和车辆，基站和车辆调整自身的波束方向以实现波束跟踪；对于移动场景下的波束跟踪，采用本方法开销低，并且具有十分精准的跟踪性能。相比于传统的卡尔曼滤波方法和单纯采用位置信息的深度学习方法，取得了更优的性能和更好的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN113193896A
公开(公告)日：2021-07-30
申请号：CN202110444183.6
申请日：2021-04-23
Applicant: 西安交通大学
Abstract: 本发明公开了一种最大化两接收端和速率的波束成形神经网络决策方法，在发送端拥有接收端瞬时信道状态信息的情况下，通过不断变化接收端1和接收端2的信干噪比约束阈值γ1和γ2并求解对应的功率最小化问题，找到满足发送端总功率约束且和速率最大时的最优解对应的γ1和γ2；将γ1和γ2代入功率最小化问题求得的波束成形最优解就是速率最大化问题的波束成形最优解；得到速率最大化问题的波束成形最优解之后，将每个最优波束成形向量用两个实数表示为最大比传输波束成形向量和迫零波束成形向量的线性组合，再构建网络输出为这四个实数的全连接神经网络，形成瞬时CSI下最大化两接收端和速率的干扰抑制波束成形的神经网络决策框架。
-
公开(公告)号：CN113193896B
公开(公告)日：2022-12-09
申请号：CN202110444183.6
申请日：2021-04-23
Applicant: 西安交通大学
Abstract: 本发明公开了一种最大化两接收端和速率的波束成形神经网络决策方法，在发送端拥有接收端瞬时信道状态信息的情况下，通过不断变化接收端1和接收端2的信干噪比约束阈值γ1和γ2并求解对应的功率最小化问题，找到满足发送端总功率约束且和速率最大时的最优解对应的γ1和γ2；将γ1和γ2代入功率最小化问题求得的波束成形最优解就是速率最大化问题的波束成形最优解；得到速率最大化问题的波束成形最优解之后，将每个最优波束成形向量用两个实数表示为最大比传输波束成形向量和迫零波束成形向量的线性组合，再构建网络输出为这四个实数的全连接神经网络，形成瞬时CSI下最大化两接收端和速率的干扰抑制波束成形的神经网络决策框架。
-
公开(公告)号：CN114599100A
公开(公告)日：2022-06-07
申请号：CN202210231703.X
申请日：2022-03-10
Applicant: 中国人民解放军32039部队 , 西安交通大学
Abstract: 本发明提供了一种波束资源分配方法及装置，涉及卫星通信的技术领域，包括：先获取用户终端的波束容量需求信息；然后将波束容量需求信息输入至波束资源分配模型，得到用户终端的波束资源分配结果；其中，波束资源分配模型是基于不同样本波束容量需求信息和不同样本波束容量需求信息所对应的波束资源分配结果进行模型训练，并在模型训练过程中采用近端优化策略更新模型参数后得到的神经网络模型。本发明通过基于近端策略更新模型参数的方式能够保证得到的波束资源分配模型贴合实际，进而在保证波束资源分配计算具有时效性的同时，还能够兼顾波束资源分配结果的准确性。
-
公开(公告)号：CN118611720A
公开(公告)日：2024-09-06
申请号：CN202410849609.X
申请日：2024-06-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于态势感知信息辅助的波束对准方法及相关设备，本方法通过基站采集态势感知信息；将态势感知信息输入至波束对准模型，输出待训练的波束对集合；基站与用户通过对波束对集合中的各波束对进行波束训练，确定最优波束对，并利用该最优波束对的方向进行数据传输以实现波束对准；本方法通过采集用户终端和周围车辆的位置信息作为态势感知信息，可以准确判断用户终端的通信环境，进而通过波束对准模型输出最优的波束对，实现高效、准确的波束对准，从而确保了通信质量；本方法提高了通信的可靠性和效率，特别适用于复杂多变的通信环境，基于深度强化学习的方法能够保证训练开销和对准精度的平衡，满足用户高质量通信需求。
-
公开(公告)号：CN117596681A
公开(公告)日：2024-02-23
申请号：CN202311540998.X
申请日：2023-11-17
Applicant: 西安交通大学
IPC: H04W72/0453 , H04W72/044 , H04W72/50 , H04L41/16
Abstract: 本发明公开了一种下行频谱共享和波束功率动态分配方法及相关装置，涉及卫星通信的技术领域，本发明需先获取低轨卫星地面用户的待服务的数据队列、高‑低轨卫星地面用户的信道状态信息和低轨卫星地面用户与低轨卫星波束的匹配关系；然后将数据队列、信道信息和匹配关系输入至网络模型，得到低轨卫星波束功率分配结果。本发明在模型训练的过程中采用近端策略优化算法更新神经网络模型的参数，基于深度强化学习框架实现低轨卫星群的波束功率的快速分配，保证了资源分配结果的准确性和时效性。该发明确保了低轨卫星通信系统共享高轨卫星系统的频谱时不会对高轨卫星系统造成有害干扰，并且最大化低轨卫星的服务质量和维护低轨卫星地面用户间公平性。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
