垂直返回运载器着陆段差分卫星导航试验验证方法及系统

    公开(公告)号:CN109188476B

    公开(公告)日:2020-05-08

    申请号:CN201811101023.6

    申请日:2018-09-20

    Abstract: 本发明提出了垂直返回运载器着陆段差分卫星导航试验验证方法及系统,属于导航技术领域。所述垂直返回运载器着路段差分导航试验验证方法采用一台导航接收机、普通测量天线和电台设立地面临时基站,使用旋翼飞行器搭载的卫星导航接收机、航空测量天线和电台模拟垂直返回运载器着陆段飞行,通过地面临时基站计算差分修正量并通过电台发送至旋翼飞行器上的导航设备进行卫星导航差分解算,通过外部测量装置进行场地标定,通过两台高速相机对旋翼飞行器实际飞行轨迹进行测量用于考核差分卫星导航精度。具有试验方法简单、成本低和可靠性高的特点。

    基于强化学习的无小区大规模多天线架构下移动边缘计算卸载方法

    公开(公告)号:CN113342529B

    公开(公告)日:2024-03-29

    申请号:CN202110679260.6

    申请日:2021-06-18

    Abstract: 本发明提出了基于强化学习的无小区大规模多天线架构下移动边缘计算卸载方法,方法包括:设置网络中CF‑MEC环境参数,确定用户设备UE与AP之间的数量关系;计算密集型任务的生成,使整个网络的时延tall最小化;定义动作、状态和奖励,训练深度Q网络,并保存网络模型;本发明的方法运行在和所有AP都相连的CPU上;并且在无小区大规模多天线架构中,每个AP都会将关于某个特定接收信号的局部软判决传输至CPU进行最终的综合判决,因此在CPU处可以获得全部的上行信号,同时在CPU处运行的本方法能够获得所有的卸载任务信息,并为它们一一选择合适的服务器来最优化整个网络所经历的卸载时延。

    基于深度强化学习的无小区大规模MIMO下移动边缘计算的分布式计算卸载方法

    公开(公告)号:CN114035858A

    公开(公告)日:2022-02-11

    申请号:CN202111254423.2

    申请日:2021-10-27

    Abstract: 本发明公开了一种基于深度强化学习的无小区大规模MIMO下移动边缘计算的分布式计算卸载方法,属于移动边缘计算领域,包括:设置CF‑MEC训练环境;基于CF‑MEC训练环境,使用M/M/1排队论模型生成计算任务;在每个用户设备上构建深度Q网络,利用计算任务对被分配到任务的用户设备上的深度Q网络进行训练,直至贪婪策略的概率趋近于1,训练结束得到训练后的深度Q网络;将待测数据输入训练后的深度Q网络中,使用户设备对边缘服务器进行独立计算卸载决策。该方法通过在每个用户设备上部署训练好的深度Q网络,用户可以自行根据网络中的相关信息进行卸载决策,从而尽可能降低自身运行计算密集型任务的时延,提高用户体验。

    在Cell-free Massive MIMO下的正交多址与非正交多址的结合方法

    公开(公告)号:CN113708803A

    公开(公告)日:2021-11-26

    申请号:CN202110684805.2

    申请日:2021-06-21

    Abstract: 本发明提出在Cell‑freeMassiveMIMO下的正交多址与非正交多址的结合方法,将所有用户分成L簇,每簇内用户数为1或2,每簇内的用户使用相同的导频,不同簇用户使用相互正交的导频,则正交导频的个数为L;将AP随机分为两部分,一部分为OMA用户提供服务,另一部分为NOMA用户提供服务;下行链路的数据传输依赖于共轭波束赋形,得到单用户下行数据传输的频谱效率;使用的功率分配算法来最大化最小SINR的功率控制算法P1,将功率控制转化为凸优化问题P2;对凸优化问题P2使用二分查找方法来找到下行最大最小化SINR的解,根据具体的用户数量和信道相关时间情况,将正交多址接入与非正交多址接入相结合,在不同的用户数量和相关时间条件下都能得到最佳的频谱效率。

    基于强化学习的无小区大规模多天线架构下移动边缘计算卸载方法

    公开(公告)号:CN113342529A

    公开(公告)日:2021-09-03

    申请号:CN202110679260.6

    申请日:2021-06-18

    Abstract: 本发明提出了基于强化学习的无小区大规模多天线架构下移动边缘计算卸载方法,方法包括:设置网络中CF‑MEC环境参数,确定用户设备UE与AP之间的数量关系;计算密集型任务的生成,使整个网络的时延tall最小化;定义动作、状态和奖励,训练深度Q网络,并保存网络模型;本发明的方法运行在和所有AP都相连的CPU上;并且在无小区大规模多天线架构中,每个AP都会将关于某个特定接收信号的局部软判决传输至CPU进行最终的综合判决,因此在CPU处可以获得全部的上行信号,同时在CPU处运行的本方法能够获得所有的卸载任务信息,并为它们一一选择合适的服务器来最优化整个网络所经历的卸载时延。

Patent Agency Ranking