-
公开(公告)号:CN107770103A
公开(公告)日:2018-03-06
申请号:CN201710842297.X
申请日:2017-09-18
Applicant: 东南大学
IPC: H04L25/02 , H04B7/08 , H04B7/0413
Abstract: 本发明公开了一种基于SSOR迭代的大规模MIMO信号检测方法,该方法包括:(1)根据信道响应矩阵H构造MMSE检测矩阵T;(2)将检测矩阵T分解为矩阵T=D+L+U,其中D表示T的对角矩阵,L代表T的严格下三角矩阵,U代表T的严格上三角矩阵,且U=LH;(3)采用信道硬化现象对估计SSOR迭代算法的最优松弛系数;(4)根据矩阵D、L和最优松弛系数,采用SSOR迭代法对经接收端匹配滤波器输出的接收信号矩阵 进行检测得到发射信号估计值 本发明复杂度更低。
-
公开(公告)号:CN107465748A
公开(公告)日:2017-12-12
申请号:CN201710709945.4
申请日:2017-08-18
Applicant: 东南大学
IPC: H04L29/08 , H04L12/901 , H04W28/08 , H04W48/20
Abstract: 本发明公开了一种移动边缘云计算系统中基于演进博弈的动态资源分配方法,包括:(1)根据网络覆盖情况将网络分成若干个区域,每个区域可接入服务点有所不同,网络内有一个集中控制器;(2)同一个区域内具有任务卸载需求的终端形成一个种群,种群内的终端建立任务卸载代价函数;(3)每个种群的所有终端在SP选择策略集内随机选择可接入SP;网络内各个种群内部建立演进博弈;(4)各个种群的终端计算任务卸载代价并将SP选择策略和代价信息发送至控制器;(5)种群根据动态复制进行SP选择策略更新;(6)动态复制达到演进均衡。本发明基于演进博弈,充分利用SP的计算资源和无线资源,在以种群内所有终端任务卸载代价都相等为目标的同时,满足各移动终端的任务卸载需求。
-
公开(公告)号:CN106872943A
公开(公告)日:2017-06-20
申请号:CN201710001582.9
申请日:2017-01-03
Applicant: 东南大学
IPC: G01S5/16 , H04B10/116
CPC classification number: G01S5/16 , H04B10/116
Abstract: 本发明公开了一种基于可见光通信的移动物体室内跟踪定位方法,包括如下步骤:1、离线建模:在测量场景中设置照明设备,测量照明设备光斑覆盖区域中采集点处的信号强度值和采集点与照明设备之间的相对水平距离,建立可见光通信模型:rss=fVLC(d);2、在线定位:解析移动物体接收到的照明设备发送的水平位置信息,测量移动物体当前位置处的RSS值,根据可见光通信模型,获取移动物体与照明设备之间的相对水平距离,建立几何测距方程;应用卡尔曼滤波对移动物体的位置和速度进行预测,获得移动物体实时坐标和速度。该方法适用于没有无线信号覆盖的场合,可以对室内移动物体进行精确定位,且具有保密性好、兼顾通信与照明等优点。
-
公开(公告)号:CN106817155A
公开(公告)日:2017-06-09
申请号:CN201710049022.0
申请日:2017-01-23
Applicant: 东南大学
IPC: H04B7/0413 , H04L25/02
Abstract: 本发明公开了一种基于加权Kapetyn级数展开的大规模MIMO低复杂度信道估计方法。首先采用Kapteyn级数展开法对Bayesian‑MMSE信道估计表达式中的信道协方差逆矩阵进行近似展开,将矩阵求逆运算转换成矩阵乘法和矩阵加法运算,接着对多项式每项系数采用加权方式来优化多项式展开,建立模型对加权系数向量α和β进行求解使得估计的均方误差最小化,利用α和β的求解结果对信道矩阵进行估计。实验结果表明随着多项式阶数的增大,基于加权Kapetyn级数展开的信道估计方法得到的MSE会收敛于MMSE方法,然而计算复杂度低于MMSE方法。对比与传统Taylor‑MMSE和Kapetyn级数展开信道估计方法,基于加权Kapetyn级数展开方法收敛到MMSE方法的速度更快。
-
公开(公告)号:CN106330280A
公开(公告)日:2017-01-11
申请号:CN201610674353.9
申请日:2016-08-16
Applicant: 东南大学
IPC: H04B7/0456 , H04L25/02
CPC classification number: H04B7/0456 , H04L25/0204
Abstract: 本发明公开了一种大规模MIMO预编码方法,该方法包括:对大规模MIMO进行建模,获取信道矩阵;根据信道矩阵得到RZF预编码矩阵;采用截短Kapteyn级数对预编码矩阵中的逆矩阵进行估计,得到预编码估计矩阵;利用得到的预编码估计矩阵对发送信号进行预编码。在截短阶数相同的情况下,与基于截短Taylor级数的展开方法相比,本发明能获得更高的平均用户到达率。
-
公开(公告)号:CN101359990A
公开(公告)日:2009-02-04
申请号:CN200810156119.2
申请日:2008-09-28
Applicant: 熊猫电子集团有限公司 , 东南大学 , 南京东大移动互联技术有限公司 , 南京联慧通信技术有限公司
Abstract: 本发明涉及移动通信领域,给出了一种时分同步码分多址与自组织网络融合的认证方法,使得处于基站覆盖区外的用户可以单跳或多跳的方式实现与蜂窝网的双向认证。当用户邻近网关时,可以单跳的方式通过网关、基站实现对VLR和HLR的认证,同时也实现VLR对用户的认证,另外还通过随机数和加密的方式保证用户的IMSI不会以明文的方式在无线链路中传送,防止伪用户的存在和重传攻击等。当用户离网关较远时,可以多跳的方式通过中间用户、网关和基站实现与蜂窝网的双向认证,并且利用迭代消息认证码的方式,保证消息的长度不变,节省带宽。
-
公开(公告)号:CN119091892A
公开(公告)日:2024-12-06
申请号:CN202411076009.0
申请日:2024-08-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于自适应语义重构的语义通信方法与系统,属于无线通信技术领域,提出了一种基于自适应语义重建的面向任务的语义通信框架,通过掩码操作和设计集成注意力机制的语义重建网络,实现对语义信息的灵活压缩、对传输过程中数据丢失的仿真和实现适应不同环境的重构效果,同时还提出了一种编码、解码网络和语义重构网络的联合训练方法,以最小化目标任务的损失函数,获得神经网络参数的近似最优解。与现有的语义通信方案相比,所提出的方案对不同的信噪比、语义压缩率和语义损失率条件具有更优越的适应性,而且能够在通信中获得更高的任务执行性能和语义传输效益。
-
公开(公告)号:CN115209554B
公开(公告)日:2024-12-06
申请号:CN202210729292.7
申请日:2022-06-24
Applicant: 东南大学
IPC: H04W72/542 , H04W72/566 , H04W4/44 , H04W4/46
Abstract: 本发明提供一种基于网络切片与NOMA的车联网半正定资源分配方法。首先,基站依据各V2I切片组的QoS指标传输速率,利用静态频谱资源池对各V2I切片组的时频资源块RB分配进行初始化,同时,基站根据上一SPS周期内各V2I切片组的数据传输速率,利用动态频谱资源池对当前SPS周期内各V2I切片组的RB分配进行调整,在考虑各V2I切片组公平性的同时,最大化V2I用户的传输能效。此外,假定V2I切片组与车辆与车辆通信V2V NOMA簇的频谱共享模式已知,在考虑V2I切片组干扰的情况下,采用分布式迭代算法获取各V2V NOMA簇内的V2V Tx用户的最优功率控制。将网络切片与NOMA应用于车联网广播通信下行链路场景中,在确保V2I用户服务QoS的基础上,获取V2I用户与V2VTx用户传输能效方面的提升。
-
公开(公告)号:CN117880177A
公开(公告)日:2024-04-12
申请号:CN202410125384.3
申请日:2024-01-29
Applicant: 东南大学
IPC: H04L45/12 , H04L45/24 , H04L45/021 , H04L45/302 , H04L45/76 , H04L47/12 , H04L67/12
Abstract: 本发明公开一种基于SDN的物联网服务质量保障方法与系统。本发明首先利用SDN控制器周期性收集并存储网络参数;其次根据进入物联网系统的业务流的QoS需求为各业务流做QoS优先级评分,并通过评分区分AF、EF和BE业务流。对于AF业务流,根据路径代价从多条最短路径中选择最优路径,并通过队列机制优先保障数据传输;对于EF业务流,基于改进的遗传算法的拥塞后路径重规划机制,进行多路径传输;对于BE业务流,分配至链路负载率最低的路径进行传输。本发明应用于物联网系统,通过优先级分级,自适应QoS感知路径代价计算以及基于遗传算法的拥塞避免机制,有效提升网络吞吐量,为物联网系统中服务质量保障问题提供了新的思路。
-
公开(公告)号:CN116506915A
公开(公告)日:2023-07-28
申请号:CN202310489119.9
申请日:2023-05-04
Applicant: 东南大学
Abstract: 本发明提出了一种基于位置预测的无人机自组网路由方法。该方法采用基于位置的贪婪转发策略,路由决策时考虑距离、偏转角度、运动方向角度、速率和邻居数目等因素,在邻居节点中,基于决策值选择优于当前节点的邻节点作为下一跳。同时为减小无人机高移动性导致的位置不精确性对路由决策的影响,所提方法采用高斯‑马尔科夫模型预测节点的精确位置信息。若贪婪失败,则在该节点的两跳邻居节点中,根据决策值选择比该节点更优的节点进行转发。所提方法能提高数据包投递率,减小端到端时延,能够为数据传输建立一个可靠、高效的路由转发机制,为无人机自组网的应用提供理论支撑。
-
-
-
-
-
-
-
-
-