-
公开(公告)号：CN106872943A
公开(公告)日：2017-06-20
申请号：CN201710001582.9
申请日：2017-01-03
Applicant: 东南大学
IPC: G01S5/16 , H04B10/116
CPC classification number: G01S5/16 , H04B10/116
Abstract: 本发明公开了一种基于可见光通信的移动物体室内跟踪定位方法，包括如下步骤：1、离线建模：在测量场景中设置照明设备，测量照明设备光斑覆盖区域中采集点处的信号强度值和采集点与照明设备之间的相对水平距离，建立可见光通信模型：rss＝fVLC(d)；2、在线定位：解析移动物体接收到的照明设备发送的水平位置信息，测量移动物体当前位置处的RSS值，根据可见光通信模型，获取移动物体与照明设备之间的相对水平距离，建立几何测距方程；应用卡尔曼滤波对移动物体的位置和速度进行预测，获得移动物体实时坐标和速度。该方法适用于没有无线信号覆盖的场合，可以对室内移动物体进行精确定位，且具有保密性好、兼顾通信与照明等优点。
-
公开(公告)号：CN106817155A
公开(公告)日：2017-06-09
申请号：CN201710049022.0
申请日：2017-01-23
Applicant: 东南大学
IPC: H04B7/0413 , H04L25/02
Abstract: 本发明公开了一种基于加权Kapetyn级数展开的大规模MIMO低复杂度信道估计方法。首先采用Kapteyn级数展开法对Bayesian‑MMSE信道估计表达式中的信道协方差逆矩阵进行近似展开，将矩阵求逆运算转换成矩阵乘法和矩阵加法运算，接着对多项式每项系数采用加权方式来优化多项式展开，建立模型对加权系数向量α和β进行求解使得估计的均方误差最小化，利用α和β的求解结果对信道矩阵进行估计。实验结果表明随着多项式阶数的增大，基于加权Kapetyn级数展开的信道估计方法得到的MSE会收敛于MMSE方法，然而计算复杂度低于MMSE方法。对比与传统Taylor‑MMSE和Kapetyn级数展开信道估计方法，基于加权Kapetyn级数展开方法收敛到MMSE方法的速度更快。
-
公开(公告)号：CN106330280A
公开(公告)日：2017-01-11
申请号：CN201610674353.9
申请日：2016-08-16
Applicant: 东南大学
IPC: H04B7/0456 , H04L25/02
CPC classification number: H04B7/0456 , H04L25/0204
Abstract: 本发明公开了一种大规模MIMO预编码方法，该方法包括：对大规模MIMO进行建模，获取信道矩阵；根据信道矩阵得到RZF预编码矩阵；采用截短Kapteyn级数对预编码矩阵中的逆矩阵进行估计，得到预编码估计矩阵；利用得到的预编码估计矩阵对发送信号进行预编码。在截短阶数相同的情况下，与基于截短Taylor级数的展开方法相比，本发明能获得更高的平均用户到达率。
-
公开(公告)号：CN101359990A
公开(公告)日：2009-02-04
申请号：CN200810156119.2
申请日：2008-09-28
Applicant: 熊猫电子集团有限公司 , 东南大学 , 南京东大移动互联技术有限公司 , 南京联慧通信技术有限公司
Abstract: 本发明涉及移动通信领域，给出了一种时分同步码分多址与自组织网络融合的认证方法，使得处于基站覆盖区外的用户可以单跳或多跳的方式实现与蜂窝网的双向认证。当用户邻近网关时，可以单跳的方式通过网关、基站实现对VLR和HLR的认证，同时也实现VLR对用户的认证，另外还通过随机数和加密的方式保证用户的IMSI不会以明文的方式在无线链路中传送，防止伪用户的存在和重传攻击等。当用户离网关较远时，可以多跳的方式通过中间用户、网关和基站实现与蜂窝网的双向认证，并且利用迭代消息认证码的方式，保证消息的长度不变，节省带宽。
-
公开(公告)号：CN115833907B
公开(公告)日：2025-01-07
申请号：CN202211438895.8
申请日：2022-11-17
Applicant: 东南大学
Abstract: 本发明公开了一种多无人机辅助MEC系统中的联合轨迹、卸载和资源分配优化方法，包括以下步骤：1、无人机上的MEC服务器收集飞行区域内所有地面用户节点的计算资源、通信资源和任务负载等信息，以及其他无人机计算资源信息；2、引入相关的辅助变量，建立对应的优化问题；3、用户和无人机之间的匹配关系通过卸载匹配博弈算法初始化，其对应的矩阵为卸载匹配矩阵；4、引入辅助变量，将优化问题分解为若干子问题求解。该方法基于块坐标下降方法和连续凸逼近技术，称其为联合多无人机轨迹、卸载和资源优化方案；5、迭代直至前后两次目标函数值之差的绝对值小于阈值。本方法降低了用户的平均服务时延。
-
Patent Agency Ranking
公开(公告)号：CN115190544B
公开(公告)日：2024-07-05
申请号：CN202210805504.5
申请日：2022-07-08
Applicant: 东南大学
IPC: H04W28/24 , H04W28/22 , H04L41/0893 , H04W4/40 , H04W4/44 , H04W4/46 , H04W16/10 , H04W16/14 , H04W24/02
Abstract: 本发明提供一种基于QoS的车联网网络切片与NOMA分簇联合优化方法，首先，基站在根据各V2I用户服务类型的QoS指标传输速率将同一服务QoS等级的V2I用户归并于同一切片组，同一V2I切片组内的各V2I用户可在当前SPS周期内实现时频资源块的共享。同时，V2V用户通过建立V2V NOMA簇与V2I切片组共享频谱资源。为克服车辆高速移动性所带来的的CSI无法获取问题，基站采用基于地理位置的V2V用户分簇方法以提升NOMA多用户检测技术SIC的解码有效性。此外，基站根据V2I切片组与V2V NOMA簇的位置关系，实现V2V NOMA分簇与V2I切片组的频谱资源匹配共享的联合优化。本发明将网络切片分组方法与NOMA应用于车联网广播通信下行链路场景中，为车联网信道快速时变场景下的QoS服务设计提供了新思路。
-
公开(公告)号：CN113923802B
公开(公告)日：2024-01-26
申请号：CN202111174184.X
申请日：2021-10-09
Applicant: 东南大学
Abstract: 本发明公开了软件定义无线传感器网络中能量高效的分层拓扑控制方法，包括：建立分簇损耗函数。单跳形式将信息传递到上层中继传感器节点；上层中继传感器节点获取分簇信息，在考虑到传输信息大小，接收、发送信息能耗下，建立功率损耗函数。以单跳或者多跳的方式将信息传递到汇聚节点；在基于下层整体普通传感器节点获得最小的分簇损耗函数后，上层所有中继传感器节点网络形成博弈模型，计算各个策略的收益函数，并选择收益函数最大的策略。每一次某个中继传感器节点改变策略更新一次网络拓扑状态，直到博弈达到纳什均衡，形成最终的网络拓扑。每当上层中继传感器节点能量变化大于设置的阈值后，将会重新计算分簇网络以及博弈网络。
-
公开(公告)号：CN116887291A
公开(公告)日：2023-10-13
申请号：CN202310515070.X
申请日：2023-05-09
Applicant: 国网山东省电力公司济南供电公司 , 东南大学
Abstract: 本发明提出一种网络资源优化方法、装置、设备和可读存储介质。首先构建一种集成接入回程(Integrated Access and Backhaul，IAB)架构，考虑该架构下多层干扰及各信道条件，以最大化系统上行链路总能效为目标构造目标函数。其次利用马尔科夫决策过程将所提问题构造为完全协作的多智能体问题，利用多智能体近端策略优化(Multi‑Agent Proximal Policy Optimization，MAPPO)构建分布式动作网络和集中式评价网络。最后通过本地动作网络与环境交互获取的数据信息，在评价网络的指导下对网络参数进行迭代更新，训练完成后的动作网络仅需本地状态信息即可做出资源分配决策。本发明所提资源优化方法考虑终端差异化需求以实现轻量化通信，另一方面所提多智能体框架进一步减少了信令开销和计算复杂度。
-
公开(公告)号：CN116776142A
公开(公告)日：2023-09-19
申请号：CN202310268890.3
申请日：2023-03-20
Applicant: 东南大学
IPC: G06F18/214 , G06F18/2415
Abstract: 本发明提供一种面向不平衡数据集的数据处理方法，通过对每个类别的样本进行有放回抽样，形成多个样本子集，从而使样本子集中每个类别的样本个数大致均衡，提高学习算法对少数类样本的识别能力。本发明结合LOF算法和不同的概率分布函数，通过启发式选择的参数生成人工样本，使得生成的人工样本不受边界噪声的影响，同时能够更多地保证生成样本的多样性。相较于传统的BorderlineSMOTE算法，本发明在生成人工样本时使用局部异常因子算法剔除边界噪声，并引入不同的概率分布函数以保证生成样本的多样性，从而提高分类器的性能。本发明可以有效地应对不平衡数据集的问题，提高学习算法对少数类的识别能力，适用于机器学习、数据挖掘等领域。
-
公开(公告)号：CN116744364A
公开(公告)日：2023-09-12
申请号：CN202310359837.4
申请日：2023-04-06
IPC: H04W28/08 , H04W72/53 , H04L67/1004 , G06F9/50 , G06N3/092
Abstract: 本发明公开了一种基于DQN的多边缘节点系统联合计算卸载和资源分配方法，包括如下步骤：1、系统中心控制器构建DQN网络并对其进行初始化训练；2、系统中心控制器获取新到达的用户业务请求特征参数和系统可用资源状态参数等历史数据，并将所获取的参数数据进行归一化处理；3、DQN网络为新到达的用户业务请求选择目标卸载边缘服务器，并预分配频谱和计算资源；4、系统中心控制器判断新到达的用户业务请求在系统中是否超时；5、系统将未超时的新到达的用户业务请求卸载至目标边缘服务器计算处理。本发明的目标是在满足多边缘节点系统中用户业务请求的服务时延上限要求以及系统频谱资源和计算资源约束的前提下，最大化系统吞吐量。
-
-
-
-
-
-
-
-
-
Search Results
184
records
(took 0.022 seconds)
