-
公开(公告)号：CN107135135A
公开(公告)日：2017-09-05
申请号：CN201710301251.7
申请日：2017-05-02
Applicant: 北京邮电大学
IPC: H04L12/46
Abstract: 本发明实施例提供了一种基于底层节点排序的虚拟网络映射方法及装置，应用于控制器，所述方法包括：接收目标虚拟网络请求；获取当前底层网络中每个底层节点的各项属性信息的属性值；根据每个底层节点的各项属性信息的属性值以及预先计算的各项属性信息对应的权重参数，计算各底层节点对应的排序权重；根据排序权重对各底层节点进行排序，形成第一队列；根据所述第一队列、各虚拟节点的计算资源需求以及各虚拟链路的带宽资源需求，对各虚拟节点进行映射以及对各虚拟链路进行映射。本发明实施例能够更好的适应变化的网络系统，提高虚拟网络映射的效果。
-
公开(公告)号：CN106385274A
公开(公告)日：2017-02-08
申请号：CN201610811493.6
申请日：2016-09-08
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种大规模MIMO系统中导频分配的方法及装置，方法包括：将蜂窝移动网络中的小区划分为三个或者四个小区分组，使蜂窝移动网络中的相邻小区分别属于不同的小区分组；获取待处理的当前小区；根据当前小区中各用户的信道质量，对当前小区中的用户进行排序，得到排序后的用户列表；根据当前小区中各用户受到的导频干扰量，对当前小区中各用户分别使用的导频序列进行排序，得到排序后的导频序列列表；按照预设的分配规则，将导频序列列表中的各导频序列分别重新分配给用户列表中的各用户。应用本发明实施例既能消除不同组小区之间的导频污染，又能进一步减少同组小区之间的导频污染，提升大规模MIMO系统的通信性能。
-
公开(公告)号：CN106788816B
公开(公告)日：2020-11-13
申请号：CN201611089768.6
申请日：2016-11-30
Applicant: 全球能源互联网研究院有限公司 , 北京邮电大学 , 国网福建省电力有限公司 , 国网福建省电力有限公司厦门供电公司 , 国家电网有限公司
IPC: H04B17/382 , H04W24/08 , H04W16/14
Abstract: 本发明提供一种信道状态检测方法及装置，通过获取当前检测周期内的系统观测值，根据所述系统观测值和先验信息计算所述当前检测周期的信道估计值和脉冲噪声估计值，根据所述信道估计值和脉冲噪声估计值确定所述当前检测周期内的信道状态。在含有随机脉冲噪声的无线电磁环境下，通过对脉冲噪声的估计，有效消除了信道状态检测过程中的统计信息不确定性，极大限度降低了由于脉冲能量导致的虚警检测，显著提升了复杂电磁脉冲噪声下信道状态检测的准确度。
-
公开(公告)号：CN107276805B
公开(公告)日：2020-06-05
申请号：CN201710463676.8
申请日：2017-06-19
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于入侵检测模型的样本预测方法、装置及电子设备，方法包括：对初始训练样本集中的样本进行聚类，得到第一簇，针对每个第一簇，如果其内的全部样本都属于同一个类别，则将该第一簇中的样本从该初始训练样本集中抽离，并标记该第一簇的类别为：该第一簇中的任一有标记样本的类别；获得目标训练样本集、目标入侵检测模型以及初始测试样本集，针对初始测试样本集中的每个样本，判断是否将其从所述初始测试样本集中抽离；获得由初始测试样本集中未被抽离的样本组成的目标测试样本集；并利用目标入侵检测模型，对目标测试样本集中的每个样本进行类别预测。应用本发明实施例提供的方案进行样本预测时，提高了样本预测的准确度。
-
公开(公告)号：CN107204838A
公开(公告)日：2017-09-26
申请号：CN201610158333.6
申请日：2016-03-18
Applicant: 北京邮电大学
IPC: H04L5/00 , H04L25/02 , H04W72/12 , H04B7/0452
Abstract: 本发明实施例提供一种基于时空导频调度的信道估计方法及装置。该方法包括：从时域将蜂窝网络中的所有小区分为第一集合和第二集合；对于同一集合内的小区以各相邻的小区为第一目标小区和第二目标小区，对于第一目标小区内的每个第一用户，遍历第二目标小区中的各个第二用户，并计算第一用户与第二用户之间的网络效用函数值，当网络效用函数值最小时，确定第二用户调度的导频序列为第一用户调度的导频序列。本发明实施例从时域将蜂窝网络中的所有小区分为第一集合和第二集合，从空域上通过相邻小区中用户之间的干扰最小，确定出相邻小区中调度相同的导频序列的用户，同时从时域和空域有效降低了导频污染，从而降低了信道估计的均方误差。
-
Patent Agency Ranking
公开(公告)号：CN107092679A
公开(公告)日：2017-08-25
申请号：CN201710263961.5
申请日：2017-04-21
Applicant: 北京邮电大学
IPC: G06F17/30
Abstract: 本发明实施例提供了一种特征词向量获得方法、文本分类方法及装置，所述特征词向量获得方法包括：获得特征词集合；计算所述特征词集合中各特征词间的相似度，并根据所述相似度对所述特征词集合中的各特征词进行划分，获得多个近义词集合；针对每一近义词集合，根据该近义词集合中特征词针对目标文本的第一权重，计算该近义词集合针对所述目标文本的目标权重；将所述目标权重与第二权重进行组合，得到所述目标文本的特征词向量，其中，所述第二权重为：未被划分至各近义词集合的特征词针对所述目标文本的权重。通过使用实施本实施例所获得的特征词向量，可以提高训练器训练效率。
-
公开(公告)号：CN106549805A
公开(公告)日：2017-03-29
申请号：CN201610946352.5
申请日：2016-11-02
Applicant: 北京邮电大学
IPC: H04L12/24 , H04L12/26 , H04L12/803
Abstract: 本发明提供一种SDN网络架构及通信方法，所述网络架构包括：一个超级控制器和一个或者多个集群，所述一个超级控制器通过多个端口和所述每个集群的每个集群控制器相连，所述超级控制器对每个集群仅激活其中一个或者多个端口，所述端口所连接的集群控制器具有最大的度中心度或者紧密中心度。本发明具有减少控制器关闭和负载转移过程中延迟、节约超级控制器端口个数以及降低系统能耗的有益效果。
-
公开(公告)号：CN105634634B
公开(公告)日：2018-04-13
申请号：CN201610063925.X
申请日：2016-01-29
Applicant: 北京邮电大学
IPC: H04B17/382
Abstract: 本发明公开了一种存在未知定时的异步信道感知方法，具体为：一、预测某个PU在k时刻的存在概率和感知时间差；二、由观测值更新存在概率预测值和感知时间差预测值；三、将更新的存在概率预测值与判决门限比较，得到PU的状态值；步骤四、根据状态值，计算PU在k时刻的感知时间差；步骤五、根据k‑1时刻的感知时间差计算k时刻的出生粒子的状态值和权值；六、判断k时刻是否为最后一个时刻，如果是，记录并保存全部时刻的感知时间差以及状态值；否则，用k时刻的粒子集，迭代预测PU在k+1时刻的存在概率和感知时间差。优点在于：适用于异构无线网络动态频谱共享，避免了PU与SU之间繁杂的信令交互，降低了CR系统的配置复杂度并节省了时间与能量开销。
-
公开(公告)号：CN106788816A
公开(公告)日：2017-05-31
申请号：CN201611089768.6
申请日：2016-11-30
Applicant: 全球能源互联网研究院 , 北京邮电大学 , 国网福建省电力有限公司 , 国网福建省电力有限公司厦门供电公司 , 国家电网公司
IPC: H04B17/382 , H04W24/08 , H04W16/14
Abstract: 本发明提供一种信道状态检测方法及装置，通过获取当前检测周期内的系统观测值，根据所述系统观测值和先验信息计算所述当前检测周期的信道估计值和脉冲噪声估计值，根据所述信道估计值和脉冲噪声估计值确定所述当前检测周期内的信道状态。在含有随机脉冲噪声的无线电磁环境下，通过对脉冲噪声的估计，有效消除了信道状态检测过程中的统计信息不确定性，极大限度降低了由于脉冲能量导致的虚警检测，显著提升了复杂电磁脉冲噪声下信道状态检测的准确度。
-
公开(公告)号：CN106059972A
公开(公告)日：2016-10-26
申请号：CN201610353881.4
申请日：2016-05-25
Applicant: 北京邮电大学
CPC classification number: H04L27/0012 , H04B7/0413
Abstract: 本发明一种基于机器学习算法的MIMO相关信道下的调制识别方法，属于通信领域；具体步骤为：首先，将通信发射端的每个数据流分别采用空时编码，每个码字分别通过Nt根发射天线发射出去；然后，根据接收端的相关矩阵和发射端的相关矩阵计算MIMO信道矩阵H；根据MIMO信道矩阵H，计算每个接收天线上的接收信号并进行修正；最后，每根接收天线分别对修正后的信号进行特征提取，针对提取的特征值进行训练测试，计算出该样本属于的调制识别模式；优点在于：对非高斯信道的鲁棒性和泛化能力较强，通过参数迭代可实现更加复杂环境下的调制体制识别；通过提取高阶矩和高阶累积量的特征，在较高信噪比下，信号特征差异明显，便于机器学习算法的分类。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.025 seconds)
