分层的非规则低密度校验码译码器及译码处理方法

    公开(公告)号:CN101355406B

    公开(公告)日:2011-08-31

    申请号:CN200810200033.5

    申请日:2008-09-18

    Abstract: 一种通信技术信道编码领域的分层的非规则低密度校验码译码器及译码处理方法,本发明中,第一存储单元将上次迭代的校验节点传递给信息节点的软值输出给译码处理模块。第二存储单元将信息节点的后验概率似然比更新值传递给译码处理模块。译码处理模块将本次迭代中校验更新值传递给第一存储单元,同时将信息节点的后验概率似然比更新值经译码处理模块交织网络传递给第二存储单元。译码处理模块交织网络用于调整进入第二存储单元数据的顺序。迭代中止模块交织网络用于调整译码处理模块输出的硬判结果。迭代中止处理模块对该硬判结果进行校验,判断是否满足迭代中止的条件。本发明大大提高了译码器的通用性、降低了译码过程的功耗以及硬件资源消耗。

    基于QAM调制的多用户中继网络信息处理方法

    公开(公告)号:CN101917247A

    公开(公告)日:2010-12-15

    申请号:CN201010222384.3

    申请日:2010-07-09

    Abstract: 一种无线通信技术领域的基于QAM调制的多用户中继网络信息处理方法,包括以下步骤:每个用户分别将信号发送到中继和终端;中继对接收到的用户信号依次进行解调、正交分解和网络编码得到编码后的信号,终端对接收到的用户信号进行标准化处理得到每个用户的标准化信号;中继将编码后的信号发送到终端,终端对接收到的编码后的信号依次进行标准化处理、正交分解和分离处理,分别得到每个用户的信号,终端把从终端分离出的用户信号和得到的用户的标准化信息进行合并处理,得到解调后每个用户的信号。本发明具有解调方式简单灵活的特点,提高了中继的功率效率,因此能达到更佳的误码性能。

    正交频分复用通信系统的信道估计方法

    公开(公告)号:CN101729456A

    公开(公告)日:2010-06-09

    申请号:CN200910311332.0

    申请日:2009-12-14

    Abstract: 本发明公开了一种移动通信技术领域的正交频分复用通信系统的信道估计方法,包括以下步骤:得到不同的信道类型及信噪比条件下的频域内插系数值、提取导频子载波处的接收值、估计各个导频子载波处的信道函数值、进行信道类型的抽样估计、进行信噪比的抽样估计、选择合适的频域LMMSE内插系数W、频域分段内插和时域线性内插。本发明对LMMSE方法进行了简化,根据信道具体情况选择不同的预存的内插系数,不需要矩阵求逆运算,实现简单;同时频域内插时采用分段内插,性能稳定,易于实现。

    分层准循环扩展构造的LDPC码的编码器

    公开(公告)号:CN100566183C

    公开(公告)日:2009-12-02

    申请号:CN200710045623.0

    申请日:2007-09-06

    Abstract: 本发明公开了一种分层准循环扩展构造的LDPC码的编码器,包括:输入缓存、第一处理-缓存流水级、第二处理流水级、第三缓存流水级、第四处理-缓存流水级、输出级,根据校验矩阵H是准循环移位阵拼接的特点,简化了RU编码方法的流水线结构,使流水线级数从六级降到了四级,缩短了编码时延。同时根据主要功能模块的实现特点,降低了最大流水线时延,提高了编码吞吐量。随后依据准循环移位阵运算的特点,减少了编码器ROM的资源消耗,用准循环移位单位阵乘向量取代了RU方法中的稀疏矩阵乘向量,用准循环移位阵乘向量取代了RU方法中的非稀疏矩阵乘向量。为了适应可变码长、可变码率的要求,级间的乒乓RAM可预留较大存储空间。

    分层的非规则低密度校验码译码器及译码处理方法

    公开(公告)号:CN101355406A

    公开(公告)日:2009-01-28

    申请号:CN200810200033.5

    申请日:2008-09-18

    Abstract: 一种通信技术信道编码领域的分层的非规则低密度校验码译码器及译码处理方法,本发明中,第一存储单元将上次迭代的校验节点传递给信息节点的软值输出给译码处理模块。第二存储单元将信息节点的后验概率似然比更新值传递给译码处理模块。译码处理模块将本次迭代中校验更新值传递给第一存储单元,同时将信息节点的后验概率似然比更新值经译码处理模块交织网络传递给第二存储单元。译码处理模块交织网络用于调整进入第二存储单元数据的顺序。迭代中止模块交织网络用于调整译码处理模块输出的硬判结果。迭代中止处理模块对该硬判结果进行校验,判断是否满足迭代中止的条件。本发明大大提高了译码器的通用性、降低了译码过程的功耗以及硬件资源消耗。

    基于压缩感知的宽带无线电环境地图构建方法及系统

    公开(公告)号:CN115473598B

    公开(公告)日:2025-04-08

    申请号:CN202211095495.1

    申请日:2022-09-06

    Abstract: 本发明提供一种基于压缩感知的宽带无线电环境地图构建方法及系统,包括:步骤S1:根据要构建宽带无线电环境地图的区域建立系统模型;步骤S2:联合利用空间和频域稀疏性将系统模型转换成压缩感知模型;步骤S3:设计空间测量矩阵,并构建频域测量矩阵,将所述空间测量矩阵与频域测量矩阵构成压缩感知模型中的空‑频测量矩阵;步骤S4:求解所述压缩感知模型,恢复区域内各发射源的位置和宽带上的功率谱密度;步骤S5:根据所述区域内各发射源的位置和宽带上的功率谱密度,构建宽带无线电环境地图。本发明能够进一步减少空间采样点和采样数据,在保证高精度的同时降低构建宽带无线电环境地图的复杂度。

    一种基于卷积神经网络的超分辨率CIR室内指纹定位方法

    公开(公告)号:CN112712557B

    公开(公告)日:2023-04-07

    申请号:CN202011494690.2

    申请日:2020-12-17

    Inventor: 罗开文 俞晖

    Abstract: 本发明公开了一种基于卷积神经网络的超分辨率CIR室内指纹定位方法,包括步骤A:构建室内无线传播环境,部署RP和AP的位置,在RP处采集CSI信息;步骤B:构建指纹信息,利用MUSIC算法计算不同RP收发天线对的伪谱信息,将同一参考点在一段连续采样时间内得到的伪谱信息进行重组构建成伪谱图像,这部分信息作为指纹信息;步骤C:基于伪谱图像构建卷积神经网络的结构,包括网络的深度、激活函数和全连接层神经元个数;步骤D:将RP和待测点的指纹信息和其对应的位置坐标分别作为训练集和测试集,将训练集输入到卷积神经网络中进行训练;步骤E:将步骤D中的测试集输入到训练好的网络模型中,利用加权质心的方法计算待测点的位置坐标和定位误差。

    基于Q-learning算法和OLSR路由机制维护路由表的方法及系统

    公开(公告)号:CN111565153A

    公开(公告)日:2020-08-21

    申请号:CN202010356029.9

    申请日:2020-04-29

    Abstract: 本发明提供了一种基于Q-learning算法和OLSR路由机制维护路由表的方法及系统,包括:节点在hello包和TC包中添加实际负载量,根据实际负载量计算负载程度参数;节点在hello包和TC包中添加信道忙碌程度;根据负载程度参数和信道忙碌程度,计算得到节点负载参数;节点在hello包和TC包中添加运动信息,计算节点间链路持续生存时间参数;根据节点负载参数和持续生存时间参数计算Q-value;当节点发送数据包至其他节点或转发任务时,查询本节点的Q-table,根据Q-table中目的节点对应的最大Q-value节点进行路由。本发明提升了路由的稳定性,减少了数据包的丢失率。

    一种基于移动预测和时延预测的OLSR路由方法及系统

    公开(公告)号:CN109922513B

    公开(公告)日:2020-08-18

    申请号:CN201910169081.0

    申请日:2019-03-06

    Abstract: 本发明提供了一种基于移动预测和时延预测的OLSR路由方法,包括簇成员节点路由表计算过程和簇头节点路由表的计算过程,所述簇成员节点路由表计算过程为:采用卡尔曼滤波算法建立移动预测模型,并通过此模型来选择稳定性高的邻节点作为下一跳节点,以此来建立簇内成员节点路由表;所述簇头节点路由表的计算过程为:将数据包在簇头节点MAC层的排队时延作为路由选择的度量因子,通过ARMA算法建立排队时延的预测模型,以此模型来计算簇头节点的路由表。本发明方法可以减弱由于簇内成员节点高速移动带来的路由不稳定问题,同时降低簇头节点网络拥塞的概率,提升路由的鲁棒性,降低端到端时延。

    移动无线传感器网络中节点自适应分布式重聚类方法

    公开(公告)号:CN105263149B

    公开(公告)日:2018-11-16

    申请号:CN201510638551.5

    申请日:2015-09-29

    Abstract: 本发明提供了一种移动无线传感器网络中节点自适应分布式重聚类方法,包括在已经聚类成簇的移动无线传感器网络中,节点根据惯性传感器的数据并利用航迹推算法与粒子滤波算法对移动过程中每个时刻自身的位置进行准确估计;在每个重聚类周期开始时,节点依据其移动所遵循的运动模型及当前时刻的位置,对下一时刻自身位置进行合理预测,每个簇内边界处非簇头节点被允许根据网络内其它节点的位置信息进行重聚类,从而可以保证节点在移动过程中能够始终处于比较适合的簇当中,即与其所属簇的簇头节点之间的通信距离保持在合理的范围内,使得二者之间通信时能够保持较高的数据送达率,因此可以保证移动无线传感器网络的服务质量。

Patent Agency Ranking