-
公开(公告)号：CN103427895A
公开(公告)日：2013-12-04
申请号：CN201310335775.X
申请日：2013-08-05
Applicant: 东南大学
IPC: H04B7/185
Abstract: 本发明公开了一种全域覆盖多波束卫星LTE的下行发射端定时调整方法。多颗卫星同时覆盖同一区域，每一个小区的定时调整包括如下步骤：以某一颗卫星作为参考基准，计算位于其他轨道卫星所发射信号与作为参考基准的卫星所发射信号到达共同覆盖地面小区中心点的时延差；根据时延差，分别对卫星发射端进行定时调整，使得不同卫星的发射信号同时到达地面小区中心点；设定调整时间间隔，对覆盖该小区的多颗卫星发射端的定时进行周期性调整。本发明为全域覆盖多波束卫星LTE系统提供一种下行发射端定时调整方法，为全域覆盖多波束卫星LTE系统实现同频组网创造必要条件。
-
公开(公告)号：CN119172215B
公开(公告)日：2025-02-25
申请号：CN202411676792.4
申请日：2024-11-22
Applicant: 东南大学
IPC: H04L27/26
Abstract: 本发明公开了一种基于频域符号块调制的非线性OFDM信息传输方法及系统，信息发送部分采用频域符号块承载比特信息，频域符号块内两个符号的相对幅度和相位状态用于加载比特信息，并满足功率约束，频域符号块经过OFDM调制形成OFDM时域信号并进行时域上采样、迭代削波与滤波、数字预失真以降低非线性功率放大器输出信号对相邻信道的干扰；信息接收部分利用频域符号块约束和信号失真特性对峰值失真的接收信号进行非线性信号重构，再对重构后信号进行OFDM解调、检测和频域符号块解映射，恢复发送比特信息。本发明能够提高功率放大器非线性下的邻道干扰性能和信息传输性能，降低功率放大器功率回退要求，进而提升OFDM系统的能效。
-
公开(公告)号：CN119180258A
公开(公告)日：2024-12-24
申请号：CN202411247104.2
申请日：2024-09-06
Applicant: 东南大学 , 南京集成电路设计自动化技术创新中心
IPC: G06F30/398 , G06F30/392
Abstract: 本发明公开了一种片上变压器自动绘制方法，可适用多种结构，包括交错互绕变压器、对称互绕变压器和对称叠层变压器。本发明的片上变压器自动绘制方法可实现任意多边形、不同结构、多种匝比的变压器绘制，可在任意位置增加抽头结构，能覆盖常见射频电路应用场景。相较于传统手动绘制，本发明只需提供所需的结构参数和结构类型，即可快速输出变压器版图，极大地提高了无源器件的设计效率。同时，本发明结合了几何先验知识对绘制结构进行预筛选，自动建模成功率可达100％。本发明所述方法在保证成功率的同时推动了射频电路设计的自动化和智能化。
-
公开(公告)号：CN119172215A
公开(公告)日：2024-12-20
申请号：CN202411676792.4
申请日：2024-11-22
Applicant: 东南大学
IPC: H04L27/26
Abstract: 本发明公开了一种基于频域符号块调制的非线性OFDM信息传输方法及系统，信息发送部分采用频域符号块承载比特信息，频域符号块内两个符号的相对幅度和相位状态用于加载比特信息，并满足功率约束，频域符号块经过OFDM调制形成OFDM时域信号并进行时域上采样、迭代削波与滤波、数字预失真以降低非线性功率放大器输出信号对相邻信道的干扰；信息接收部分利用频域符号块约束和信号失真特性对峰值失真的接收信号进行非线性信号重构，再对重构后信号进行OFDM解调、检测和频域符号块解映射，恢复发送比特信息。本发明能够提高功率放大器非线性下的邻道干扰性能和信息传输性能，降低功率放大器功率回退要求，进而提升OFDM系统的能效。
-
公开(公告)号：CN118278165A
公开(公告)日：2024-07-02
申请号：CN202410206868.0
申请日：2024-02-26
Applicant: 东南大学 , 中兴通讯股份有限公司
Abstract: 本发明公开了一种联合像素化结构拓扑与结构参数的天线去耦优化方法。首先根据拓扑设置和参数设置生成对应二进制矩阵以及对应的向量，利用正交采样法和拉丁超立方采样法生成均匀散布探索空间的样本；然后通过全波仿真获得拓扑天线样本的目标响应数据构建训练集，训练天线像素化结构拓扑及结构参数与天线性能之间映射的代理模型，该代理模型采用两个分支构成的混合数据网络模型，一个分支输入拓扑数据，另一分支输入结构参数；引入零阶优化算法对该模型进行优化，再将优化后的结果进行全波仿真验证，如不满足设计指标，则将该组数据加入训练集重新训练代理模型并进行下一次优化。该方法能够在较短的时间内有效降低天线不同端口之间的耦合。
-
Patent Agency Ranking
公开(公告)号：CN114692504B
公开(公告)日：2024-06-28
申请号：CN202210368138.1
申请日：2022-04-08
Applicant: 东南大学
IPC: G06F30/27 , G06N20/00 , G06F111/04
Abstract: 本发明公开了一种知数混动的毫米波片上可变螺旋电感自动综合方法，包括：首先设定目标片上可变螺旋电感指标以及工艺约，再结合拓展Wheeler公式以及拉丁超立方抽样获得初始样本；然后提出电感与品质因数频率响应的近似表达式，再利用深度高斯过程回归机器学习算法对拟合系数进行学习，得到结合先验知识的代理模型，两个模型都可以在目标频段内实现较好的预测精度且复杂度低；最后通过多路径全局优化算法进行全局优化得到目标电感模型。本发明在综合毫米波频段的片上可变螺旋电感时能够保证收敛速度同时具有鲁棒性。
-
公开(公告)号：CN113051836B
公开(公告)日：2024-04-26
申请号：CN202110417710.4
申请日：2021-04-19
Applicant: 东南大学
IPC: G06F30/27 , G06F119/20
Abstract: 本发明公开了一种机器学习辅助的阵列环境下的天线快速建模方法，该方法通过引入机器学习方法，学习天线单元在阵列中的位置信息对单元的阵列中方向图和回波损耗等天线性能的影响，从而可以对任意阵列排布下的天线单元的性能进行快速预测。本发明中的方法将天线单元间互耦、阵列的电磁环境以及平台影响等考虑在内进行建模，可供天线阵列在实际电磁环境中的方向图进行快速优化设计。该方法可用于对不同类型的天线及天线阵列的波束赋形设计、低副瓣设计、多波束设计领域。
-
公开(公告)号：CN117252087A
公开(公告)日：2023-12-19
申请号：CN202311044830.X
申请日：2023-08-18
Applicant: 东南大学
IPC: G06F30/27 , G06F30/18 , G06F111/06
Abstract: 本发明提出了一种机器学习辅助的天线结构层参数化拓扑设计与优化方法，并基于此提出了一种贯序多物理场机器学习辅助的低风阻天线设计方法。本发明所提天线设计方法中，首先，通过参数化拓扑设计方法改变天线金属地的结构。其次，对金属地的拓扑结构进行优化设计，使其满足低风阻的设计指标；该优化过程中使用机器学习算法建立代理模型预测天线的风阻值大小。最后，优化满足风阻设计目标的天线的电磁性能，通过改变偶极子的拓扑结构与天线的结构参数来改善电磁性能；该电磁性能优化过程同样使用机器学习算法建立代理模型预测天线的带宽、隔离度和增益，加速优化设计过程。本发明能够减小设计空间，降低优化难度。
-
公开(公告)号：CN116861770A
公开(公告)日：2023-10-10
申请号：CN202310736966.0
申请日：2023-06-21
Applicant: 东南大学
IPC: G06F30/27 , G06F30/373
Abstract: 本发明公开了一种机器学习辅助的串馈阵列天线单元建模及综合方法。首先，在先验知识的指导下将微带串馈阵列天线分解为三种类型的元单元，并将每种元单元视为一端口或者二端口网络。其次，利用机器学习算法训练元单元的S参数和方向图，得到代理模型：在训练S参数时，将频率作为特征维度加入训练集；训练方向图时，为降低训练和预测的时间，对方向图的实部和虚部进行离散余弦变换，学习变换后的系数。然后给定串馈阵列天线的单元个数以及参数组合，利用代理模型预测元单元的S参数和方向图，最后再利用微波网络中S参数级联公式获得阵列的S参数近似值，利用方向图综合公式近似阵列的方向图。
-
公开(公告)号：CN116562143A
公开(公告)日：2023-08-08
申请号：CN202310528667.8
申请日：2023-05-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于归一化高斯网络的天线拓扑及参数混合优化方法。该方法基于迭代式的机器学习辅助优化的算法架构，在算法的每次迭代中，引入归一化高斯网络对天线拓扑进行特征提取，并引入高斯过程机器学习方法建立所提取的特征与天线性能间的代理模型；在此基础上，引入进化类算法对代理模型进行优化，而后将优化结果还原为天线拓扑，并利用全波仿真工具仿真进行验证，并由此判断算法是否终止，若未终止，则将优化及验证结果加入数据集对高斯过程机器学习模型进行重新训练，进行下一次算法迭代。相较于传统的基于像素剖分的拓扑优化方法，该方法可以获得光滑的天线拓扑边缘结构；机器学习方法的引入也大大提升了算法效率。
-
-
-
-
-
-
-
-
-
Search Results
183
records
(took 0.022 seconds)
