一种基于战术互联网的MAC层ARQ重传动态调整方法

    公开(公告)号:CN112737741B

    公开(公告)日:2023-05-23

    申请号:CN202011578627.7

    申请日:2020-12-28

    Abstract: 本发明涉及通信技术领域,具体涉及一种基于战术互联网的MAC层ARQ重传动态调整方法,在战术数据链TTNT的应用层设置业务类型、制定业务类型的分组手法规则,并将应用层业务类型信息添加到包头字段中,供下层解析;在数据链路层传统的自动重传机制ARQ上引入应用层业务类型信息,用于判断当前重传业务属于哪种业务类型;数据链路层根据当前业务的类型动态调整重传次数。本发明采用在数据链路层传统的自动重传机制ARQ上引入应用层业务信息类型的方式,根据不同业务类型动态调整重传次数,有效降低了网络传输的时延。

    一种基于深度强化学习的任务卸载方法

    公开(公告)号:CN111414252B

    公开(公告)日:2022-10-18

    申请号:CN202010190186.7

    申请日:2020-03-18

    Abstract: 本发明涉及无线通信技术领域,具体为一种移动边缘计算下基于深度强化学习的任务卸载方法,包括:根据移动用户到达的任务,建立一个队列模型来描述移动用户的任务卸载问题;根据任务卸载的目标服务器及任务量设定约束条件;在约束条件下,采用一种无模型的强化学习机制构建以最小化系统成本为目标的优化问题;利用深度强化学习DDPG进行求解最优卸载策略;根据本发明可以实现在不知道信道状态信息的情形下,通过探索和训练来自适应调整MEC系统的任务卸载策略,实现系统的卸载成本最小化,提升用户体验。

    异构蜂窝网络中毫微微基站的联合休眠与功率控制方法

    公开(公告)号:CN111343704B

    公开(公告)日:2022-03-22

    申请号:CN202010131843.0

    申请日:2020-02-29

    Abstract: 本发明涉及移动通信技术异构蜂窝网络领域,具体涉及一种异构蜂窝网络中毫微微基站的联合休眠与功率控制方法,包括:初始化信道模型各参数,建立能耗优化模型;利用径向基神经网络对宏基站业务量进行预测,得到径向基预测值;利用误差修正值对径向基预测值进行优化,得到修正预测值;根据修正预测值计算基站休眠比,并对毫微微基站进行比例随机休眠;将未休眠基站视为粒子,其位置就是基站的当前功率值,将能耗优化模型的拉格朗日形式作为评价函数,利用粒子群算法迭代求出最优毫微微基站群发射功率。本发明实现了对毫微微基站群进行合理休眠及有效的功率控制,从而达到降低能耗的作用。

    一种基于非正交多址系统的多用户分组方法

    公开(公告)号:CN107949061B

    公开(公告)日:2021-08-10

    申请号:CN201711213718.9

    申请日:2017-11-28

    Abstract: 本发明涉及移动通信技术领域,尤其涉及一种基于非正交多址系统的多用户分组方法,包括:将用户根据信道增益排序并分组,对分组用户进行最优化组合,为最优化组合的用户分配子信道;本发明通过在各子信道上对小区内的各用户进行预分组,将小区内的用户有效地分配到各子信道上,在吞吐量局部最优的子信道功率分配方法基础上,进一步提高了系统的吞吐量。

    基于Contiki操作系统的在线升级方法及装置

    公开(公告)号:CN111309363A

    公开(公告)日:2020-06-19

    申请号:CN202010154073.1

    申请日:2020-03-07

    Abstract: 本发明属于嵌入式设备技术领域,具体涉及一种基于Contiki操作系统的在线升级方法及装置;所述方法包括汇聚节点通过Deluge文件传输协议向各个目标节点发送Contiki操作系统升级程序数据包;将Flash存储器划分为外部和内部Flash存储器;在内部Flash存储器上预设有引导程序,启动时,检测外部Flash存储器中是否有升级程序;若无,则引导内部Flash存储器中原有操作系统启动;若有,则检测更新指令标志,确认收到更新指令后,按照读取的文件长度将外部Flash存储器的升级程序复制到内部Flash存储器中,镜像替换原有操作系统;实现在线升级。本发明大大方便了日后大批量程序的升级。

    面向异构网络边缘计算的任务卸载方法

    公开(公告)号:CN111258677A

    公开(公告)日:2020-06-09

    申请号:CN202010056885.2

    申请日:2020-01-16

    Abstract: 本发明涉及无线通信技术领域,具体涉及一种面向异构网络边缘计算的任务卸载方法,包括:移动用户请求计算任务,建立任务队列模型,得到移动用户的卸载任务量;根据移动用户的最大卸载任务量设定约束条件;建立系统模型,构建以最大化时间平均卸载收益为目标的任务卸载优化问题;利用李雅普诺夫优化理论将任务卸载优化问题转换为每一时隙内的优化问题,通过最小化李雅普诺夫漂移与惩罚项之和得到新的优化方程;提出一种基于最值的选择准则,在此基础上,决策用户卸载的最优目标服务器以及卸载的最优任务量。本发明提出的任务卸载方法可以确定卸载的最优目标服务器以及最优的任务卸载量,在保证系统的稳定性的同时,最大化系统的时间平均卸载收益。

    非正交多址接入系统中基于能效优化的功率分配方法

    公开(公告)号:CN108419298A

    公开(公告)日:2018-08-17

    申请号:CN201810160772.X

    申请日:2018-02-27

    Abstract: 本发明属于移动通信领域,具体为非正交多址接入系统中基于能效优化的功率分配方法,所述方法包括:根据每个复用用户的服务质量要求确定一个最小目标吞吐量;根据最小目标吞吐量分别求解出每个子带的最小传输功率需求;然后以子带内复用用户总能耗最小为目标,以满足用户最小目标吞吐量和最小功率需求为约束条件,提出能效优化模型;紧接着基于拉格朗日乘子法和KKT条件,求解出能效优化问题中的功率分配系数;然后采用分数规划Dinkelbach方法确定能效优化问题中的最优功率消耗率;最终基于最优功率分配系数和最优功率消耗率确定能效最优值;本发明能够满足每个复用用户的最小吞吐量性能要求,且能大幅提升系统能源效率。

    一种大规模MIMO系统中基于多分辨率融合卷积反馈网络的CSI反馈方法

    公开(公告)号:CN114567359A

    公开(公告)日:2022-05-31

    申请号:CN202210201610.2

    申请日:2022-03-02

    Abstract: 本发明属于智能移动通信技术领域,具体涉及一种大规模MIMO系统中基于多分辨率融合卷积反馈网络的CSI反馈方法;该方法包括:实时获取大规模MIMO系统中下行链路CSI矩阵;根据CSI矩阵,得到角度时延域稀疏的CSI矩阵;对角度时延域稀疏的CSI矩阵进行截断,得到截断矩阵;采用MRFNet编码器对截断矩阵进行处理,得到CSI压缩码字;采用MRFNet对CSI压缩码字进行处理,得到新的CSI矩阵;根据新的CSI矩阵得到重建的CSI矩阵;本发明实现了反馈网络模型可以输入不同维度大小的CSI,将不同环境与压缩比进行网络融合,使得移动终端只需要保存一套反馈网络,且能保持较高的CSI恢复精度。

    一种基于深度学习大规模MIMO系统的CSI反馈方法

    公开(公告)号:CN114553280A

    公开(公告)日:2022-05-27

    申请号:CN202210155180.5

    申请日:2022-02-21

    Abstract: 本发明属于智能移动通信技术领域,特别涉及一种基于深度学习大规模MIMO系统的CSI反馈方法,包括在FDD制式下的大规模MIMO系统中,获取下行链路的CSI信道矩阵;对获取的下行链路的CSI信道矩阵做二维DFT变换获得在角度时延域稀疏的CSI矩阵,并根据该矩阵得到截断矩阵;在用户端构建CSI反馈网络的编码器,将截断矩阵通过编码器转换为码字向量;在基站端构建CSI反馈网络的译码器,将编码器得到的码字向量通关译码器得到截断矩阵的估计值;本发明避免反馈网络层数过深,采用横向扩展的方式,即通过多分辨率卷积增加反馈网络的泛化性,非对称卷积增加每个卷积核的特征提取能力。

Patent Agency Ranking