一种TDMA系统中上行控制信道传输方法

    公开(公告)号:CN103051580B

    公开(公告)日:2015-08-19

    申请号:CN201210544406.7

    申请日:2012-12-14

    Abstract: 本发明涉及TDMA系统中上行控制信道传输方法,其步骤为:1)对信令数据进行差分相移键控调制,同时将调制后的D-MPSK符号重复编码;2)UE根据自身ID计算对应的子载波并对该调制符号在相应的子载波上进行映射,并对该子载波上的数据依次进行星座扰码处理、快速傅里叶逆变换、加入循环前缀后得到OFDMA信号;3)对该信号依次采用低通滤波、数模转换以及上行变频后,在设定时间片内发送到信道中到达AP;4)其他UE重复所述步骤1)到3)中的操作并在同一个时间片内发送到信道中,完成所有UE的控制信道并发送。本发明提出的传输方法可以极大降低AP接收机对OFDMA时间和频率同步精度的要求,降低实现复杂度。

    基于接收统计的上行信道动态分配方法

    公开(公告)号:CN103905342A

    公开(公告)日:2014-07-02

    申请号:CN201410133161.8

    申请日:2014-04-03

    Abstract: 本发明公开了一种基于接收统计的上行信道动态分配方法,主要解决现有上行信道分配方法信道利用率与分配带宽精确度无法同时满足要求的问题。其实现步骤为:设网络中存在一个中心节点和若干从属节点,并将信道划分成连续且互不重叠的规划周期;中心节点在每个规划周期向各个从属节点发布规划帧,告知其下一个规划周期的带宽分配结果;从属节点在每个规划周期内向中心节点发送报告帧供中心节点在分配下一规划周期带宽时使用;中心节点在每个规划周期统计上一个规划周期内各从属节点的实际使用带宽并根据接收统计结果进行信道分配。本发明能在保证信道利用率满足要求的前提下提高分配带宽精确度,可应用于各种通信的局域网和接入网领域。

    时分双工/时分多址信道规划帧编码方法

    公开(公告)号:CN103220115A

    公开(公告)日:2013-07-24

    申请号:CN201310163242.8

    申请日:2013-05-05

    Abstract: 本发明公开了一种时分双工/时分多址信道规划帧编码方法,主要解决现有信道规划帧编码效率不高的问题。其实现步骤是:首先,设置网络环境,确定网络中中心节点和从属节点的个数;其次,根据具体的时隙用途定义K种码字,其中包括K-1种用途码字和1种节点分隔符码字,并对这K种码字进行编码;然后,确定下一个规划周期中的时隙分配结果,并根据下一个规划周期中的时隙分配结果将用途码字放到规划帧中的相应位置;最后,插入节点分隔符码字,完成信道规划帧编码。本发明有效减小了规划帧编码长度,降低了规划帧在信道传输时的开销,提高了信道利用率,并且对设备要求低,可应用于各种采用时分双工/时分多址通信的局域网和接入网领域。

    基于异构平台执行深度神经网络的系统及方法

    公开(公告)号:CN112381211B

    公开(公告)日:2023-04-28

    申请号:CN202011305477.2

    申请日:2020-11-20

    Abstract: 本发明提出了一种基于异构平台执行深度神经网络的系统及方法,用于解决现有技术中存在的基于异构平台执行深度神经网络的速度较低和对于模型的兼容性较差的技术问题,实现步骤为:(1)模型解析模块对DNN模型进行解析;(2)分析模块根据解析结果构建计算图;(3)平台检测模块检测异构平台中的异构计算单元的硬件参数;(4)任务分配模块构建任务分配策略并进行优化;(5)推理模块根据最优任务分配策略对异构计算单元进行任务分配,得到执行DNN模型的结果。本发明解析模块支持解析主流深度学习框架的模型格式,提高了系统对于不同框架模型的兼容性,任务分配模块提供最优任务分配策略,提高了深度神经网络的执行速度。

    基于异构平台执行深度神经网络的系统及方法

    公开(公告)号:CN112381211A

    公开(公告)日:2021-02-19

    申请号:CN202011305477.2

    申请日:2020-11-20

    Abstract: 本发明提出了一种基于异构平台执行深度神经网络的系统及方法,用于解决现有技术中存在的基于异构平台执行深度神经网络的速度较低和对于模型的兼容性较差的技术问题,实现步骤为:(1)模型解析模块对DNN模型进行解析;(2)分析模块根据解析结果构建计算图;(3)平台检测模块检测异构平台中的异构计算单元的硬件参数;(4)任务分配模块构建任务分配策略并进行优化;(5)推理模块根据最优任务分配策略对异构计算单元进行任务分配,得到执行DNN模型的结果。本发明解析模块支持解析主流深度学习框架的模型格式,提高了系统对于不同框架模型的兼容性,任务分配模块提供最优任务分配策略,提高了深度神经网络的执行速度。

    数据发送的方法、装置、电子设备及介质

    公开(公告)号:CN111711580A

    公开(公告)日:2020-09-25

    申请号:CN202010394060.1

    申请日:2020-05-11

    Abstract: 本申请公开了一种数据发送的方法、装置、电子设备及介质。其中,本申请中,在基于待发送数据流携带的目的地址信息,确定接收设备以及所述接收设备可以使用的传输通信通道集之后,可以将待发送数据流中的数据帧进行封装处理,并从传输通信通道集合中选择第二数量的传输通信通道,第二数量小于等于第一数量,再将待发送数据流切分为第二数量的子数据流,并使用第二数量的传输通道进行发送,其中每个传输通信通道用于发送一份对应的子数据流。通过应用本申请的技术方案,可以避免由于相关技术中存在的仅利用单一通信信道发送数据流所导致的消息到达不可靠的问题。

    一种上线信道筛选方法及装置

    公开(公告)号:CN111615151A

    公开(公告)日:2020-09-01

    申请号:CN202010339467.4

    申请日:2020-04-26

    Abstract: 本发明公开了一种上线信道筛选方法、装置、存储介质及终端,所述方法包括:从HB局端和任一候选HM终端随机选择任一设备作为筛选待上线信道的设备;根据HB局端对应的局端信道筛选模型或任一候选HM终端对应的终端信道筛选模型,从HB局端支持的N个HINOC信道中筛选M个HINOC信道作为符合条件的任一HM终端上线的优先选择信道。因此,采用本申请实施例,不仅可以从HB局端筛选符合条件的HM终端能够上线的信道,还可以从任一候选HM终端筛选符合条件的HM终端能够上线的信道,实现了筛选主体的多样性,此外,本申请提供的方案可以基于信道质量或信道负载终端个数进行信道筛选,保证了终端的传输质量或网络总体的负载均衡。

Patent Agency Ranking