-
公开(公告)号：CN102438250A
公开(公告)日：2012-05-02
申请号：CN201110355452.8
申请日：2011-11-10
Applicant: 北京邮电大学
Abstract: 一种采用协作模拟网络编码技术抑制小区间干扰的方法，该方法是：两个相邻协作小区基站对其边缘的用户进行配对，配对用户利用相同无线资源同时给各自服务基站发送信息，两个协作小区基站分别接收到来自两用户发送的混合模拟网络编码信息后，通过协作获得另一基站接收到的模拟网络编码信息，并对协作获得的模拟网络编码信息和自身接收的网络编码信息进行联合检测，得到本小区用户的发送信息；该方法能够在不改变现有通信设备前提下，消除小区间干扰，同时因为配对用户采用相同无线资源进行传输，解决了传统小区间干扰协调方法的缺陷，提高了小区边缘用户的吞吐量和频谱效率。
-
公开(公告)号：CN101997647A
公开(公告)日：2011-03-30
申请号：CN201010533192.4
申请日：2010-11-02
Applicant: 北京邮电大学
Abstract: 本发明公开了一种网络编码传输方法，应用于多用户对双向中继通信系统，包括以下步骤：中继站接收多个用户对所属的用户节点的用户发送信息，得到中继接收信息；所述中继站根据用户配对情况，利用瞬时信道状态信息和中继接收信息得到多个对应不同用户对的网络编码信息；所述中继站将多个对应不同用户对的网络编码信息进行叠加，得到中继转发信息，并向用户节点广播所述中继转发信息。通过在无线中继网络中采用基于干扰排列的网络编码传输方法，能够同时传输多个用户对所属的用户节点的用户发送信息，并将不同用户对所属的用户节点的用户发送信息投影到信号空间不同的矢量方向上，消除了用户对之间的干扰，提高了双向协同中继网络的传输效率。
-
公开(公告)号：CN113222179B
公开(公告)日：2023-06-20
申请号：CN202110291738.8
申请日：2021-03-18
Applicant: 北京邮电大学
IPC: G06N20/20
Abstract: 本发明公开了一种基于模型稀疏化与权重量化的联邦学习模型压缩方法，所述方法包括以下步骤：步骤1，客户端使用本地数据集进行本地模型训练；步骤2，客户端对本地模型训练生成的权重矩阵进行模型稀疏化；步骤3，客户端对稀疏化之后的矩阵进行权重量化；步骤4，客户端将完成压缩后的模型通过无线信道传输到服务器；步骤5，服务器对接收到的权重矩阵进行解压缩，并完成联邦学习聚合。本发明的优越效果在于有效解决了联邦学习训练过程中的资源不足问题，并通过优化算法提升了联邦学习的训练精度。
-
公开(公告)号：CN112433843A
公开(公告)日：2021-03-02
申请号：CN202011133101.8
申请日：2020-10-21
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于深度强化学习的计算分流优化方法，所述方法包括以下步骤：步骤1，用户端进行计算分流前，用户端向雾节点发送自身状态信息，自身状态信息包括信道增益、任务大小、CPU处理频率；步骤2，雾节点集中接收系统中的用户状态信息，并将这些信息输入神经网络，输出系统的计算分流决策和资源分配方案；步骤3，雾节点反馈计算分流决策和资源分配方案给系统中的用户等；本发明的优越效果在于利用深度强化学习的自主学习能力和决策能力来完成系统计算分流决策的制定，解决传统方法因算法复杂度过高而无法应用于实时场景的问题。
-
公开(公告)号：CN108880771B
公开(公告)日：2020-06-19
申请号：CN201810579626.0
申请日：2018-06-07
Applicant: 北京邮电大学
Abstract: 本发明提供了一种不同类型业务之间的上行控制信息的复用方法及装置，属于通信技术领域。通过接收基站发送的数据信息，数据信息包含：第一业务数据包和第二业务数据包，然后解码第一业务数据包和第二业务数据包，并确定第一业务数据包的应答信息和第二业务数据包的应答信息，再根据预设关系，确定第一业务数据包的应答信息对应的目标时频资源，然后将第二业务数据包的应答信息封装于上行控制信息UCI中，通过目标时频资源将UCI发送给基站，以使基站根据UCI确定第二业务数据包的应答信息，根据预设关系和目标时频资源，确定第一业务数据包的应答信息。这样提高了多类业务的应答信息传输的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN111182644A
公开(公告)日：2020-05-19
申请号：CN201911348750.7
申请日：2019-12-24
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于深度强化学习的联合重传URLLC资源调度方法包括：采集URLLC的数据包信息、信道信息作为训练数据；建立基于深度强化学习的联合重传URLLC资源调度决策模型，并利用训练数据对模型参数进行训练；对所得深度强化学习的URLLC资源调度决策模型进行性能评估直至满足性能需求；收集当前mini-slot的URLLC数据包信息、信道信息；将所获得的信息输入基于深度强化学习的URLLC资源调度决策模型，获得资源调度决策结果；根据资源调度决策结果，URLLC数据包进行资源分配。本发明基于深度强化学习的方法对URLLC数据包信息以及信道状态信息进行训练，得到URLLC数据包调度资源决策结果，根据决策结果合理分配调度资源，在满足URLLC传输要求的基础上解决了功率和时频资源浪费问题。
-
公开(公告)号：CN107438284B
公开(公告)日：2020-04-28
申请号：CN201710817419.X
申请日：2017-09-12
Applicant: 北京邮电大学
Abstract: 本发明实施例提供一种资源分配方法及装置，该方法包括：根据总带宽容量和每一个终端设备发送一个数据包的带宽容量需求量，确定每一个终端设备的带宽需求比；根据总中央处理器CPU资源量和处理每一个终端设备的一个数据包的CPU资源需求量，确定每一个终端设备的CPU资源需求比；根据每一个终端设备的带宽需求比和每一个终端设备的CPU资源需求比，确定每一个终端设备的瓶颈资源需求比；根据每一个终端设备的带宽容量需求量、CPU资源需求量、瓶颈资源需求比、总带宽容量、及总CPU资源量，确定为每一个终端设备分配的CPU资源和带宽资源。用于提高CPU资源和带宽资源分配的合理性。
-
公开(公告)号：CN106357743B
公开(公告)日：2019-06-07
申请号：CN201610757312.6
申请日：2016-08-29
Applicant: 北京邮电大学
IPC: H04L29/08
Abstract: 本发明实施例公开了一种雾计算网络基于分级缓存的业务传输方法，该方法包括：第一F‑UE产生业务请求，由第一F‑UE本身响应业务请求；若不能，将业务请求发送给第一F‑AP；第一F‑AP指示其连接的其他F‑UE响应业务请求；若不能，由第一F‑AP本身响应业务请求；若还是不能，将业务请求发送给集中处理中心；集中处理中心指示其连接的其他F‑AP响应业务请求；若不能，从大规模集中缓存中获取数据业务，响应业务请求；若还是不能，从数据中心中获取数据业务，响应业务请求。应用本发明所提供的实施例，实现了高效可靠地数据业务传输。
-
公开(公告)号：CN108880771A
公开(公告)日：2018-11-23
申请号：CN201810579626.0
申请日：2018-06-07
Applicant: 北京邮电大学
Abstract: 本发明提供了一种不同类型业务之间的上行控制信息的复用方法及装置，属于通信技术领域。通过接收基站发送的数据信息，数据信息包含：第一业务数据包和第二业务数据包，然后解码第一业务数据包和第二业务数据包，并确定第一业务数据包的应答信息和第二业务数据包的应答信息，再根据预设关系，确定第一业务数据包的应答信息对应的目标时频资源，然后将第二业务数据包的应答信息封装于上行控制信息UCI中，通过目标时频资源将UCI发送给基站，以使基站根据UCI确定第二业务数据包的应答信息，根据预设关系和目标时频资源，确定第一业务数据包的应答信息。这样提高了多类业务的应答信息传输的可靠性。
-
公开(公告)号：CN108768598A
公开(公告)日：2018-11-06
申请号：CN201810257487.X
申请日：2018-03-27
Applicant: 北京邮电大学
Abstract: 本申请实施例提供了一种超高可靠超低时通信中下行控制信息传输方法及装置，属于通信技术领域。所述方法包括：基站向用户设备发送下行控制信息；用户设备接收基站发送的下行控制信息；用户设备对所述下行控制信息进行解码，并将所述下行控制信息的解码结果反馈给基站。基站如果接收到所述用户设备发送的表示所述下行控制信息解码正确的解码结果，则判定所述下行控制信息传输成功；否则，按照预设下行控制信息重传策略，再次向所述用户设备发送下行控制信息。采用本发明，可以提高下行控制信息传输的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.06 seconds)
