-
公开(公告)号:CN117639981A
公开(公告)日:2024-03-01
申请号:CN202311495992.5
申请日:2023-11-10
Applicant: 北京交通大学 , 中国工业互联网研究院 , 中国铁道科学院集团有限公司
IPC: H04B17/391 , H04B17/345 , H04W4/02 , H04W4/40
Abstract: 本发明提供一种基于点云的环境重构和确定性信道建模方法,属于无线通信技术领域,获取测量环境对应的点云数据以及信道测量数据,对所述环境对应的点云数据和信道测量数据进行预处理;利用预处理后的点云数据对环境进行高精度模型重构;使用重建后的高精度环境3D模型进行确定性信道建模,采用基于英伟达Optix射线追踪引擎的射线追踪仿真方法获取仿真信道数据;利用窄带测量得到的信道数据对仿真信道数据进行仿真参数的验证和校准,获得信道宽带特性仿真结果。本发明实现了实现基于点云的环境高精度采集和模型重建,并基于重建模型实现确定性信道建模,得到了准确的信道参数。
-
公开(公告)号:CN101610066A
公开(公告)日:2009-12-23
申请号:CN200910089009.3
申请日:2009-07-20
Applicant: 北京交通大学
IPC: H03B29/00
Abstract: 一种白噪声幅度补偿方法,属于随机信号源领域,解决了白噪声带内幅度不够平坦的问题。该补偿方法的步骤:步骤1,计算m序列发生器产生的数字白噪声的功率谱密度。步骤2,白噪声的功率谱密度通过FIR滤波器、数模转换器和滤波器,输出模拟白噪声频谱,该频谱的倒数就是白噪声在频域的补偿函数。步骤3,将频域的补偿函数变到时域。步骤4,将时域的补偿函数和FIR滤波器的时域函数相卷积,得到最终的白噪声补偿函数。该方法可以补偿m序列产生的白噪声功率谱幅度3dB。白噪声广泛应用于通信、导航、雷达、通信信道测试和电子对抗等领域。
-
公开(公告)号:CN114004305B
公开(公告)日:2025-05-23
申请号:CN202111312442.6
申请日:2021-11-08
Applicant: 北京交通大学
IPC: G06F18/23
Abstract: 本发明提供了一种动态信道的时变多径聚类方法。该方法包括:初始化MPC的参数,得到多个M帧的多径分量:根据多径分量对MPC进行追踪,得到MPC在连续帧间的演变轨迹。根据MPC在连续帧间的演变轨迹计算MPC轨迹的波动趋势;根据MPC轨迹的波动趋势将两条MPC轨迹分为三种位置情况:完全重叠、部分重叠和完全分离,结合每条轨迹的波动趋势计算两两MPC轨迹间的距离,根据两两MPC轨迹间的距离进行MPC聚类。本发明提出的聚类方法以MPC轨迹的波动趋势和轨迹间距作为聚类依据,能够准确地识别出波动趋势相似、轨迹间距相近的重叠轨迹并进行聚类。
-
公开(公告)号:CN117579203A
公开(公告)日:2024-02-20
申请号:CN202311495985.5
申请日:2023-11-10
Applicant: 北京交通大学 , 中国工业互联网研究院 , 中国铁道科学院集团有限公司
IPC: H04B17/391 , H04W16/18 , H04W24/06 , H04W4/30
Abstract: 本发明提供一种多模态数据驱动的无线环境重构方法,属于无线通信技术领域,采集无线环境中的多模态感知数据集;对无线信道感知数据进行处理,萃取信道特性参数,构建无线环境的电磁重构模型;对物理环境感知数据进行处理,构建无线环境的物理重构模型;基于重构模型中的每个经纬度标签和时间标签,将不同模态导出的无线环境重构模型进行匹配对齐,得到多源数据驱动的无线环境重构模型。本发明基于采集到的无线环境中低频、毫米波无线信道数据、点云数据和RGB图像数据等多模态感知数据,对无线环境进行多维重构,包括电磁传播条件重构、多径环境映射重构、三维点云模型重构和二维动态视觉重构,从而实现无线环境的精确数字化重构。
-
公开(公告)号:CN115209376A
公开(公告)日:2022-10-18
申请号:CN202210826458.7
申请日:2022-07-14
Applicant: 北京交通大学
Abstract: 本发明提供一种基于反射面辅助的高速列车通信覆盖概率增强方法及系统,属于机无线通信技术领域,包括:初始化可重构智能表面的高速列车通信研究场景模型参数;计算在第个时间时隙的BS‑MR、BS‑RIS、RIS‑MR链路及系统等效信道的信道模型;计算在第个时间时隙的系统信噪比;计算在第个时间时隙,RIS反射振源的最佳相位;计算在第个时间时隙的覆盖概率。本发明基于智能可重构智能表面辅助的高速列车通信覆盖概率增强方法,以有效增强HST的覆盖性能,从而保障通信的连续性。
-
公开(公告)号:CN111917498A
公开(公告)日:2020-11-10
申请号:CN202010818703.0
申请日:2020-08-14
Applicant: 北京交通大学
IPC: H04B17/391
Abstract: 本发明提供了一种实现毫米波信道空间一致性的仿真方法。在该方法中,为了实现终端移动时毫米波信道参数的连续变化,将移动轨迹进行分段处理。通过刻画具有相关性的阴影衰落和LOS/NLOS条件网格图以及基于M步3-状态马尔可夫链确定剩余段的多径簇数目,从而保证段间信道参数的连续性。对于段内小尺度参数,基于几何的方法实现多径分量的角度、时延、功率和相位的连续更新。本发明可以针对毫米波信道进行大尺度信道参数的相关性建模以及小尺度参数的平滑演进,进而实现毫米波信道空间一致性的仿真,为描述毫米波信道奠定了基础,同时为5G毫米波信道模型的仿真提供了重要的依据。
-
公开(公告)号:CN111698649A
公开(公告)日:2020-09-22
申请号:CN202010499631.8
申请日:2020-06-04
Applicant: 北京交通大学
Abstract: 本发明提供了一种GPS辅助的NLOS传播场景下的车辆定位方法。该方法包括:生成车辆定位的仿真模型,利用仿真模型计算出车辆之间的测量距离;利用车辆之间的测量距离通过TDOA算法计算出无GPS待测车辆的估计位置;计算出无GPS待测车辆的估计位置的定位误差,根据定位误差计算出中断概率;确定无GPS待测车辆的定位参数,根据定位参数通过对比得到在不同的场景下能够达到最低的中断概率时所采用的最佳定位策略;利用最佳定位策略对无GPS待测车辆进行位置定位。本发明给出了不同环境下的定位策略的选取方案,进一步提高了车辆定位的精度,为5G背景下的基于精确位置信息的车联网应用的实现与推广做出了贡献。
-
公开(公告)号:CN106452629B
公开(公告)日:2019-03-15
申请号:CN201610978957.2
申请日:2016-11-07
Applicant: 北京交通大学
IPC: H04B17/391 , H04B7/0413
Abstract: 一种基于核功率密度的无线信道多径分簇方法,信号由发射机历经多径到达接收机,MIMO信道被建模为双方向性信道,并且双方向性脉冲响应包括多径的功率、时延、离开角以及达到角,信道中的多径信号呈现成簇现象,在同一个簇中的多径信号拥有相似的功率、时延以及角度参数,其特征在于,所有的多径参数都利用高分辨率算法(例如,MUSIC、CLEAN、SAGE、RiMAX)从实际测试数据中进行估计,考虑在一个时间时刻内多个簇中的多条多径分量,而这些多径分量由功率、时延、DOD以及DOA进行表示。本发明采用核密度等解决技术问题的新手段,能够更好地识别多径分量的本地密度变化,不需要簇的先验信息,是可满足未来无线通信领域面向簇结构的信道处理技术。
-
公开(公告)号:CN106452629A
公开(公告)日:2017-02-22
申请号:CN201610978957.2
申请日:2016-11-07
Applicant: 北京交通大学
IPC: H04B17/391 , H04B7/0413
CPC classification number: H04L41/14 , H04B7/0413 , H04L41/0803 , H04B17/391
Abstract: 一种基于核功率密度的无线信道多径分簇方法,信号由发射机历经多径到达接收机,MIMO信道被建模为双方向性信道,并且双方向性脉冲响应包括多径的功率、时延、离开角以及达到角,信道中的多径信号呈现成簇现象,在同一个簇中的多径信号拥有相似的功率、时延以及角度参数,其特征在于,所有的多径参数都利用高分辨率算法(例如,MUSIC、CLEAN、SAGE、RiMAX)从实际测试数据中进行估计,考虑在一个时间时刻内多个簇中的多条多径分量,而这些多径分量由功率、时延、DOD以及DOA进行表示。本发明采用核密度等解决技术问题的新手段,能够更好地识别多径分量的本地密度变化,不需要簇的先验信息,是可满足未来无线通信领域面向簇结构的信道处理技术。
-
公开(公告)号:CN105656577A
公开(公告)日:2016-06-08
申请号:CN201510968873.6
申请日:2015-12-22
Applicant: 北京交通大学
IPC: H04B17/391 , H04B1/7113 , H04W84/18
Abstract: 本发明提供了一种面向信道冲激响应的分簇方法和装置。所述面向信道冲激响应的分簇方法,包括:步骤一,基于稀疏优化理论对原始信道的信道冲激响应CIR进行重构;步骤二,基于重构的所述CIR信号进行CIR多径簇的检测,生成分簇结果;步骤三,根据模型拟合度,对所述分簇结果进行修正。本发明能够提高CIR多径分簇的准确度。
-
-
-
-
-
-
-
-
-