-
公开(公告)号：CN113258975A
公开(公告)日：2021-08-13
申请号：CN202110457654.7
申请日：2021-04-27
Applicant: 华南理工大学
IPC: H04B7/06
Abstract: 本发明提供一种用于无线携能通信系统的发射阵列，包括电控模块、功率放大模块和十六元天线阵列，电控模块的第一射频输出口、第二射频输出口、第三射频输出口和第四射频输出口分别通过同轴线与四个独立的功率放大模块的射频输入口实现电气连接；十六元发射天线阵列包括四个子阵，四个子阵的射频端口分别与四个功率放大模块的射频输出端实现电气连接。还相应提供了波束扫描方法。发射阵列具有增益高、能量传输效率高、传能距离较远的优点。通过天线结构参数与波束扫描的意向方向得到各个端口的馈电相位，使得电控模块每个射频输出口输出携带馈电相位的信号，经过功率放大后，再通过天线阵列辐射，即可完成波束扫描与远距离携能通信。
-
公开(公告)号：CN112909558A
公开(公告)日：2021-06-04
申请号：CN202110064213.0
申请日：2021-01-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于辐射调控的叠层贴片天线及通信设备，包括N块层叠设置的介质基板，N大于2，前三层介质基板分别为第一介质基板、第二介质基板及第三介质基板，所述第一介质基板的一面设置寄生方形贴片单元，所述第二介质基板的一面设置寄生环形贴片单元，所述第三介质基板的一面设置主辐射贴片单元，其另一面设置缺陷地结构，前三层介质基板均设置方形对称寄生单元，分别位于寄生方形贴片单元、寄生环形贴片单元及主辐射贴片单元的周围，还包括向主辐射贴片单元馈电的馈电结构。本发明通过辐射调控实现的波束在绿色通信领域有较高的利用价值。
-
公开(公告)号：CN112752271A
公开(公告)日：2021-05-04
申请号：CN202011585200.X
申请日：2020-12-28
Applicant: 华南理工大学
Abstract: 本发明公开了基于无人机无线能量传输网络的多波束阵列设计方法。所述方法包括以下步骤：建立无线能量传输网络的下行信道模型；建立基于用户采集能量最大化的数学模型；建立联合优化无人机三维位置部署、能量波束的低复杂度迭代算法；基于巴特勒矩阵，设计多波束阵列天线。本发明建立了无线能量传输网络的下行信道模型以及基于用户采集能量最大化的数学模型，提出了联合优化无人机三维位置部署、能量波束的低复杂度算法以及多波束设计方案，在满足区域内用户覆盖需求的同时，最大化用户采集能量。对比单波束WPT系统、单天线WPT系统，所提出的多波束WPT系统的采集能量效率更高。
-
公开(公告)号：CN108770007B
公开(公告)日：2020-07-28
申请号：CN201810493017.3
申请日：2018-05-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于NOMA的无线携能通信系统多目标优化方法，首先建立一个基于NOMA的无线携能通信系统模型并提出优化问题，由于问题为一个复杂的多目标优化问题，利用香农定理将收集到的能量转化为等效数据率，并将优化目标重新定义为系统吞吐量和等效数据率的加权和，将原问题转化为单目标优化问题。由于目标函数对于功率分配和功率分割系数不是联合凹的，优化问题非凸，为此将其拆分成两个子问题并通过对两个子问题迭代求解寻求优化问题的次优解。所述方法在保证满足每个用户对最小数据率和最小收集能量要求的前提下，通过合理设置系统吞吐量和总收集能量的偏好系数，在保证两者公平性的基础上进行同时最大化，从而优化了系统的整体性能。
-
公开(公告)号：CN109861866A
公开(公告)日：2019-06-07
申请号：CN201910133930.7
申请日：2019-02-22
Applicant: 华南理工大学
IPC: H04L12/24 , H04W24/06 , H04B17/382
Abstract: 本发明公开了一种携能多载波NOMA系统中基于发射功率最小化的资源分配方法，包括以下步骤：(1)携能多载波NOMA系统的网络模型建立；(2)基于最小化发射功率的联合资源分配方案的数学模型建立，包括载波调度、功率分配及时间切换系数；(3)基于遗传算法的联合资源分配方案的算法设计与分析。本发明创新性地提出了将无线携能技术(Simultaneous Wireless Information and Power Transfer,SWIPT)应用于多载波NOMA系统中，并建立了该网络模型基于最小化发射功率的数学优化问题，应用遗传算法来设计联合资源分配策略，以实现在满足用户对服务质量(Quality of Service,QoS)需求的同时，最小化携能多载波NOMA系统的发射功率。
-
Patent Agency Ranking
公开(公告)号：CN108770007A
公开(公告)日：2018-11-06
申请号：CN201810493017.3
申请日：2018-05-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于NOMA的无线携能通信系统多目标优化方法，首先建立一个基于NOMA的无线携能通信系统模型并提出优化问题，由于问题为一个复杂的多目标优化问题，利用香农定理将收集到的能量转化为等效数据率，并将优化目标重新定义为系统吞吐量和等效数据率的加权和，将原问题转化为单目标优化问题。由于目标函数对于功率分配和功率分割系数不是联合凹的，优化问题非凸，为此将其拆分成两个子问题并通过对两个子问题迭代求解寻求优化问题的次优解。所述方法在保证满足每个用户对最小数据率和最小收集能量要求的前提下，通过合理设置系统吞吐量和总收集能量的偏好系数，在保证两者公平性的基础上进行同时最大化，从而优化了系统的整体性能。
-
公开(公告)号：CN108650689A
公开(公告)日：2018-10-12
申请号：CN201810287743.X
申请日：2018-04-03
Applicant: 华南理工大学
IPC: H04W28/02 , H04W28/06 , H04B17/382 , H04B17/391
Abstract: 本发明公开了一种基于NOMA下行链路的无线携能通信系统能效优化方法，首先建立基于NOMA下行链路的无线携能通信系统，系统部署一个基站BS以及K个用户，每个用户都包含信息能量接收机；给定约束条件：基站最大发射功率Pmax、每个信息接收机所需的最低信息速率Rmin以及每个能量接收机的最小采集功率Emin；接收端采用时隙切换(TS)的方案实现信息与能量的同步传输，并在信息接收端采用串行干扰消除(SIC)技术；通过对发射功率与时隙切换因子α进行联合优化，得到最佳的分配方案，实现系统能效最大化。本发明与OMA系统或基于相同系统的速率优化问题相比，在保证满足所有相同约束的情况下，能够获得更高的系统能效。
-
公开(公告)号：CN106851571A
公开(公告)日：2017-06-13
申请号：CN201710044989.X
申请日：2017-01-20
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于决策树的快速KNN室内WiFi定位方法，所述方法具体包括以下步骤：将定位区域划分为多个子区域，在每一个子区域设置多个定位坐标点；终端采集每个坐标点RSSI指纹信息和坐标信息，通过无线网络传输至服务器，构建指纹数据库；服务器通过集成的决策树算法对目标所处区域类别进行判别；采用KNN算法以目标所处类别进行匹配，计算精确位置；将定位结果返回至终端显示。本发明设计的基于决策树的快速KNN的室内WiFi定位方法，克服了传统KNN算法定位速度慢的问题，利用决策树算法对定位目标进行区域分类，利用KNN算法对目标进行准确定位，定位方法在定位精度和效率上都得到显著提升。
-
公开(公告)号：CN114828253B
公开(公告)日：2025-05-13
申请号：CN202210319469.6
申请日：2022-03-29
Applicant: 华南理工大学
IPC: H04W72/53 , H04W16/10 , H04B7/185 , H04B7/0456
Abstract: 本发明公开了一种RIS辅助多无人机通信系统的资源分配方法。所述方法包括以下步骤：将智能反射面引入多无人机辅助非正交多址接入系统，构建智能反射面辅助多无人机通信系统；建立智能反射面辅助多无人机通信系统总能量消耗最小化的数学模型；进行联合优化无人机位置部署和资源分配。本发明借助智能反射面，增强无人机的信号覆盖范围；采用NOMA技术，在保证用户最小传输速率的约束下，使得多个用户共享相同频谱资源，实现海量用户接入，提升频谱效率。
-
公开(公告)号：CN119357629A
公开(公告)日：2025-01-24
申请号：CN202411246722.5
申请日：2024-09-06
Applicant: 中国电子科技集团公司第三十六研究所 , 华南理工大学
IPC: G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于卷积神经网络的跳频信号特征提取方法及系统，涉及信号图像处理技术，针对现有技术中对于不同跳频信号需要重新设计和调整的问题提出本方案。方法包括步骤：S1.基于形态学处理生成训练集样本；S2.基于ResNet18的单通道分类网络搭建卷积神经网络；S3.构建CrossEntroLoss损失函数和SGD优化器；S4.基于样本训练卷积神经网络；S5.预测盲源跳频信号。同时提供应用该方法的系统。优点在于，更加智能和准确；针对当前跳频信号时频图过大的问题，本发明采用的单通道卷积神经网络摒弃了不重要信息，结合图像下采样减少了网络训练的成本。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.082 seconds)
