-
公开(公告)号：CN110380748A
公开(公告)日：2019-10-25
申请号：CN201910679323.0
申请日：2019-07-25
Applicant: 东南大学
Abstract: 一种加扰信号生成方法，通信站先确定M比特PN序列生成器的初始值和M比特掩码，然后将M比特掩码与PN序列生成器的M个状态矢量做模-2内积运算生成第一序列，最后将第一序列进行BPSK调制得到加扰信号并对传输的信号进行加扰。其中，M比特掩码由小区控制站标识和信号传输所采用的载波频率参数确定；M比特PN序列生成器的初始值由信号传输所采用的帧单元编号和信号传输所采用的帧单元内的时隙单元编号确定。通过本发明的技术方案，可使得不同通信站、通信频谱信道使用不同的、时变的加扰信号加扰传输信号，进而可实现信号间干扰随机化、分集化，提高系统抗干扰性能，并能适用于多种无线通信系统，如甚高频数据交换系统VDES。
-
公开(公告)号：CN110298444A
公开(公告)日：2019-10-01
申请号：CN201910428367.6
申请日：2019-05-22
Applicant: 东南大学
Abstract: 本发明公开了一种提高基于霍尔效应磁编码器输出角度精度的方法，具体为：构造LM-BP神经网络结构；通过PSO方法优化LM-BP神经网络的初始权值和阈值：计算PSO粒子种群粒子维度、计算粒子的适应度值、更新粒子位置和速度、得到PSO优化后的LM-BP神经网络的初始权值和阈值；进行PSO-LM-BP神经网络训练：初始化LM-BP神经网络控制向量、计算输出层输出和理想输出信号的平方误差、更新控制向量、判断平方误差大小；PSO-LM-BP神经网络预测磁编码器输出角度。本发明通过PSO和LM相配合的方式来优化BP神经网络，为BP神经网络方法找到全局最优的初始权值和阈值，从而提高了磁编码器的原始输出角度的精度，减小了磁编码器的误差，大幅提高了磁编码器的输出角度精度。
-
公开(公告)号：CN110267347A
公开(公告)日：2019-09-20
申请号：CN201910429227.0
申请日：2019-05-22
Applicant: 东南大学
Abstract: 本发明提出一种信息传输结构及其信息传输方法，通信设备包括控制站和移动站，所述方法包括：将系统资源分为多个资源块，资源块又分为控制区和数据区。资源块的数据区包括至少一个业务信道用于控制站和移动站间的数据传输；下行资源块的控制区包括两个下行配置-确认信道；上行资源块的控制区包括一个上行随机接入信道和一个上行确认信道。一个上行资源块和一个下行资源块组成一个资源块对。控制站在某个资源块对中的下行配置-确认信道传输配置信息，用于指示同一个资源块对中的至少一个业务信道。控制(移动)站在下行配置-确认信道(上行确认信道)上反馈移动站(控制站)在前一个资源块对的业务信道中传输的上行(下行)数据的接收状态。
-
公开(公告)号：CN110248370A
公开(公告)日：2019-09-17
申请号：CN201910509586.7
申请日：2019-06-13
Applicant: 东南大学
Abstract: 本发明提供了一种动态TDD网络中小区分簇的干扰协调方法。包括：S1.小区分簇算法的触发：设置10ms的定时器，通过小区的上下行的SINR，即信号干扰噪声比水平低于阈值或者定时器重新开始计时触发小区分簇进行干扰协调的过程；S2.小区分簇：被触发分簇的基站通过基站间接口通知邻区执行干扰协调；被触发的基站作为簇的基准基站，邻区基站通过小区分簇的准则进行分簇；基于最佳最大簇大小，分簇结果将被触发基站与干扰严重被触发基站的小区分在一个簇，最终得到小区分簇的结果；S3.在小区分簇之后，在小区分簇的基础上采用功率控制，本发明在5G超密集网络中抑制了这两种干扰，增加了系统上行及下行吞吐量，取得良好的性能。
-
公开(公告)号：CN110210658A
公开(公告)日：2019-09-06
申请号：CN201910427803.8
申请日：2019-05-22
Applicant: 东南大学
IPC: G06Q10/04
Abstract: 本发明提供一种基于小波变换的Prophet与高斯过程用户网络流量预测方法。针对用户网络流量时间序列的非平稳性、时变性等复杂特性，采用小波变换对用户网络流量时间序列进行预处理分析。经过小波变换后得到高频子序列与低频子序列，其中高频子序列反映了用户网络流量时间序列的突变性与无规律的波动性特征，而低频子序列则反映了用户网络流量时间序列的周期性与长期依赖特性。本发明针对高频子序列与低频子序列的特点，分别应用Prophet模型预测低频子序列，用高斯过程回归模型预测高频子序列，最后再进行离散小波逆变换，重构得到最终的网络流量预测结果。本发明所提出的预测方法，可以有效提高用户网络流量预测准确度。
-
Patent Agency Ranking
公开(公告)号：CN110149141A
公开(公告)日：2019-08-20
申请号：CN201910437569.7
申请日：2019-05-24
Applicant: 东南大学
IPC: H04B7/185
Abstract: 本发明提供一种基于UTC的信号发送定时方法，包含以下步骤：（1）系统中移动站和控制站均通过UTC同步过程获得UTC时间，（2）控制站根据同步的UTC时间向移动站发送下行信息；（3）移动站检测下行信息，将其同步的UTC时间和检测到的下行时间做差值，该差值为该移动站上行发送的定时量；（4）移动站以其同步的UTC时间为基点，根据估算的定时量提前其上行发送的时间，向控制站发送上行信息。本发明采用上述估算办法得到的上行传输时间，不同移动站调整自身上行定时提前量提前发送上行信号，消除或减小了上行传输到达控制站的路径时延差，使得控制站接收的时间不确定范围有效减小，传输块之间预留的保护间隔时间也相应缩短，提高系统频谱利用效率。
-
公开(公告)号：CN110099017A
公开(公告)日：2019-08-06
申请号：CN201910427732.1
申请日：2019-05-22
Applicant: 东南大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种基于深度神经网络的混合量化系统的信道估计方法，首先，将基站天线分为高精度ADC天线和低精度ADC天线两个集合，在仿真环境根据系统传输模型和信道模型产生真实信道和接收并量化的导频信号作为训练数据；然后，将训练数据分别送入设计的深度神经网络1和2中进行离线训练，通过调整神经网络权重矩阵直至性能收敛，结束训练；最后，将训练好的神经网络1和2装配在基站端，分别用于估计高精度ADC天线和低精度ADC天线对应的信道。本发明的估计方法充分利用深度神经网络强大的学习能力，经过离线的基于大量数据的训练，深度神经网络能够发掘大规模天线系统中不同天线之间的空间相关性，从而实现从高精度ADC天线对应信道到低精度ADC天线对应信道的准确映射。
-
公开(公告)号：CN106028343B
公开(公告)日：2019-07-12
申请号：CN201610273937.5
申请日：2016-04-27
Applicant: 东南大学
Abstract: 本发明公开了一种多个提供商共存场景下的网络虚拟化框架和速率申请方法，为每个MVNO引入集中式的虚拟网络控制器，对其在所有InP下的虚拟网络进行管理，从而各MVNO能够以最大化自身收益为准则同时向所有InP申请速率。将InP和MVNO之间的速率申请过程建模成一个两阶段的动态博弈：第一阶段各InP进行速率的定价，第二阶段各MVNO根据收到的定价和在各InP下的速率需求确定向各InP的速率申请量，通过反向归纳法求解出动态博弈的子博弈完美纳什均衡，在该均衡下，各InP和各MVNO都不愿改变自己的定价与申请策略。每个InP为其网络中的各MVNO都设定一个速率分配上限，从而实现每个InP中虚拟网络之间的隔离。
-
公开(公告)号：CN106060906B
公开(公告)日：2019-06-25
申请号：CN201610348585.5
申请日：2016-05-24
Applicant: 东南大学
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种两层异构网络中高谱效低功耗的功率控制方法，首先同时对宏基站和小基站的功率控制问题进行数学建模，然后通过两层迭代对所形成的优化问题进行求解。在第一层迭代中，宏基站用户根据所有小基站用户的行动计算自己的传输功率策略。在第二层迭代中，各个小基站用户根据其他小基站用户的传输功率策略，通过不断迭代来获得自己的传输功率策略。采用本发明所提出的功率控制方法，不仅能够提高系统吞吐量，还能降低系统功耗。
-
公开(公告)号：CN109831790A
公开(公告)日：2019-05-31
申请号：CN201910163778.7
申请日：2019-03-05
Applicant: 东南大学
Abstract: 本发明公开了一种雾无线接入网中基于头脑风暴优化算法的协作缓存方法，包括：(1)基于混合协作部署优化问题构建评价函数；(2)计算每个决策变量的评价值，根据评价值对决策变量进行分类；(3)基于上一代分类后的决策变量生成新的决策变量；(4)根据评价值最高的缓存决策变量，做出相应的缓存决策。本发明设计了基于头脑风暴优化算法的混合协作缓存方法，能在可承受的复杂度范围内获得性能较好的解，能有效降低用户请求时延；其分布式计算的特点符合雾无线接入网的架构，比传统的集中式的解析类算法更加适用。
-
-
-
-
-
-
-
-
-
Search Results
994
records
(took 0.042 seconds)
