-
公开(公告)号：CN117336755B
公开(公告)日：2025-04-15
申请号：CN202311391735.7
申请日：2023-10-25
Applicant: 南通大学
IPC: H04W24/02 , H04W24/06 , H04B17/391 , H04B17/382 , H04B7/0413
Abstract: 本发明涉及无线通信技术领域，具体为一种基于WPT辅助的去蜂窝大规模MIMO低功耗高能效优化方法，包括：建立WPT辅助的蜂窝大规模MIMO系统模型，构建非线性能量收集模型，考虑实际问题中能量收集以及信息传输的硬件设备是存在损耗问题，并使用更通用的Rician衰落信道，建立关于下行传输功率控制系数、上行传输功率控制系数以及大尺度衰落解码的联合优化问题，其优化目标是最大化上行传输的总能效。本发明既提高了系统的总能效，又降低了上行、下行传输过程的功耗，综合考虑了实际通信过程中的问题，具有很强的实用价值。
-
公开(公告)号：CN119255346A
公开(公告)日：2025-01-03
申请号：CN202410562124.2
申请日：2024-05-08
Applicant: 南通大学
Abstract: 本发明涉及无线通信技术领域，具体为一种混合场景下通感一体化低功耗方法，包括：构建初始优化问题，以最小化混合场景下通感一体化系统的功耗为目标，且以通信最小速率需求、不同设备能量收集最小需求、不同目标方向上感知功率的差值，以及用户能量收集的功率分割因子和时间分割因子为约束，利用半定松弛和一维搜索求解。本发明通过研究对混合通感一体化场景，提出一种能够有效平衡通信、感知和能量传输的方法，在保证系统低功耗的同时，提高通信系统的能源利用效率和资源利用率，有望为未来物联网设备的发展和普及做出重要贡献，推动物联网技术迈向新的高度。
-
公开(公告)号：CN117768272B
公开(公告)日：2024-09-03
申请号：CN202311789693.2
申请日：2023-12-22
Applicant: 南通大学
IPC: H04L25/02 , H04W52/14 , H04B7/0426
Abstract: 本发明涉及无线通信技术领域，特别涉及一种无线能量传输的去蜂窝网络信道统计信息估计方法，包括：在去蜂窝系统中布设M个AP、T个RIS、K个用户和一个CPU，假设在每个AP旁都有一个RIS主要为其提供服务；在信道估计阶段，用户采用特殊的导频结构方案向AP发送导频信号，AP为了获得信道统计信息将在不同相干块接收到的信号进行处理，同时采用MMSE信道估计方法进行信道估计；在下行能量传输阶段用户从AP发送能量信号中收集能量；在上行数据传输阶段，将收集到的能量按照比例进行分配，用于此次数据传输及下次信道估计。本发明适用于无线能量传输系统，大大降低了导频开销，可获得较为准确的信道估计。
-
公开(公告)号：CN118450319A
公开(公告)日：2024-08-06
申请号：CN202410631353.5
申请日：2024-05-21
Applicant: 南通大学
Abstract: 本申请涉及一种基于有源RIS位置和相位联合优化的近海无线通信方法。该方法包括：生成N组K艘配备有源智能反射面的船的位置坐标作为初始迭代的位置种群；对当前第t次迭代中的N组K艘配备有源智能反射面的船的位置坐标依次排列组成位置种群；在N组有源智能反射面的船的位置坐标配置下对所有有源智能反射面的相位进行优化，取得最佳的相位组合；得到当前第t次迭代的位置坐标配置和相位配置；如果不满足最大迭代次数，获得新的K艘配备有源智能反射面的船的位置坐标，进入下一次迭代优化；如果满足，如果满足最大迭代次数，输出最佳位置坐标配置和最佳相位配置，对近海无线通信系统中的有源智能反射面的位置和相位进行部署，提升整个系统的通信性能。
-
公开(公告)号：CN116009677B
公开(公告)日：2023-10-03
申请号：CN202211073608.8
申请日：2022-09-02
Applicant: 南通大学
Abstract: 本发明涉及无线通信技术领域，尤其涉及一种基于Cell‑FreemMIMO网络的联邦学习设备端能耗优化方法，包括：S0：初始化系统参数，初始化全局模型；S1：服务器分发全局模型给用户设备。本发明在用户训练本地模型的阶段，通过迭代优化用户设备端CPU的工作频率和本地模型的训练精度降低用户设备的本地训练功耗；在用户设备上传模型参数阶段，通过最小化用户设备的最大时延为目标进行功率分配，既抑制了落后者效应，又节约了设备端上行功耗。本发明可以显著降低联邦学习过程中设备端的功耗，不依赖于特定的联邦聚合方法和联邦学习类型，在大部分联邦学习场景中都可以提供良好的能耗优化性能。本发明的实现复杂度低，易于部署，具有很强的实用价值。
-
Patent Agency Ranking
公开(公告)号：CN115811742B
公开(公告)日：2023-09-12
申请号：CN202211024159.8
申请日：2022-08-24
Applicant: 南通大学
Abstract: 本发明涉及一种提升CoAP协议非确认模式可靠性的高能效传输方法，包括：建立发送端与接收端之间无线链路的两状态马尔可夫信道模型，并确定模型参数；根据信道的状态以及数据包交付率的要求动态设置系统型随机线性网络编码的码率；发送端对需要发送的基于CoAP协议的非确认数据包按上述码率设置进行编码发送，并不断更新信道状态参数，动态调整码率；接收端对接收到的数据包进行解码。本发明在基于IETF6TiSCH标准的工业物联网中，利用系统型随机线性网络编码作为前向纠错技术来增强CoAP协议的非确认传输模式，通过动态选取合适的码率，在保证数据传输可靠性的同时，有效提高数据传输效率，减少设备完成通信任务的时间及总传输数据量，降低传输时延与设备能耗。
-
公开(公告)号：CN116647426A
公开(公告)日：2023-08-25
申请号：CN202310783453.5
申请日：2023-06-28
Applicant: 南通大学
Abstract: 本发明涉及无线通信技术领域，特别涉及一种基于无线能量传输的去蜂窝共生通信传输方法，包括：在去蜂窝系统中部署一定数目的AP、RIS和用户，假设每个RIS为离它最近的一个用户服务，即部署的RIS的数目与AP的数目相同；在信道估计阶段用户具有初始的能量，当RIS发送一个导频符号时用户发送Q个导频符号，AP将接收到的信号进行处理，再使用MMSE信道估计方法实现信道估计；在下行能量传输阶段AP发送能量信号，用户和RIS都进行能量收集；在上行数据传输阶段，RIS利用收集到的能量感知数据，用户利用收集到的能量进行数据传输及下一次的信道估计。本发明大大降低了计算复杂度和信道估计误差，可获得较为准确的信道估计，并且大大降低了能耗。
-
公开(公告)号：CN114611792B
公开(公告)日：2023-05-02
申请号：CN202210238135.6
申请日：2022-03-11
Applicant: 南通大学
IPC: G06Q10/04 , G06N3/0464
Abstract: 本发明涉及一种基于混合CNN‑Transformer模型的大气臭氧浓度预测方法，设计了一种混合CNN‑Transformer模型，该模型由卷积神经网络和改进的Transformer模型组合构成。卷积神经网络由2个一维卷积层组成，Transformer模型由编码器和解码器组成，每个编码器有3个编码层，解码器有3个解码层。同时，在传统Transformer编码器解码器架构的基础上，为编码器的不同编码层之间加入了“编码器到编码器”的交叉多头注意力层，进一步挖掘不同编码层之间编码信息的关联。CNN模型可以在特征维度上很好地提取有效信息，弥补了Transformer模型中编码器提取信息能力不足的问题。该预测方法能够更真实地反映多元数据对臭氧浓度的影响，并通过CNN‑Transformer模型学习这种影响模式，从而给出更精确的臭氧浓度预测结果。
-
公开(公告)号：CN115811742A
公开(公告)日：2023-03-17
申请号：CN202211024159.8
申请日：2022-08-24
Applicant: 南通大学
Abstract: 本发明涉及一种提升CoAP协议非确认模式可靠性的高能效传输方法，包括：建立发送端与接收端之间无线链路的两状态马尔可夫信道模型，并确定模型参数；根据信道的状态以及数据包交付率的要求动态设置系统型随机线性网络编码的码率；发送端对需要发送的基于CoAP协议的非确认数据包按上述码率设置进行编码发送，并不断更新信道状态参数，动态调整码率；接收端对接收到的数据包进行解码。本发明在基于IETF6TiSCH标准的工业物联网中，利用系统型随机线性网络编码作为前向纠错技术来增强CoAP协议的非确认传输模式，通过动态选取合适的码率，在保证数据传输可靠性的同时，有效提高数据传输效率，减少设备完成通信任务的时间及总传输数据量，降低传输时延与设备能耗。
-
公开(公告)号：CN115694767A
公开(公告)日：2023-02-03
申请号：CN202211327629.8
申请日：2022-10-27
Applicant: 南通大学
Abstract: 本发明涉及一种基于Transformer的联合导频设计、反馈和信道估计方法，离线训练阶段中在基站端构建导频设计网络和信道估计网络，在用户端构建导频反馈网络，将所述导频设计网络、导频反馈网络和信道估计网络组合为端到端神经网络，制作数据集并训练。在线预测阶段中基站端将训练完成的导频设计网络的权重作为导频信号发送至用户端，用户端将导频信号输入导频反馈网络，得到压缩的导频信号，并通过反馈链路反馈给基站端，基站端将接收到的压缩的导频信号输入信道估计网络，得到下行实时估计信道。本发明利用深度学习技术，实现了导频设计、反馈和信道估计的一体化，可获得较好的信道估计精度，也减少了导频开销、反馈开销和硬件的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.025 seconds)
