公开(公告)号：CN118843206A

公开(公告)日：2024-10-25

申请号：CN202410871348.1

申请日：2024-07-01

Applicant: 东南大学

Inventor： 黄永明 ,  陈中元 ,  张铖 ,  孟帆

IPC: H04W72/512 ,  H04W72/0446 ,  H04W72/0453 ,  H04W72/50 ,  H04W28/24

Abstract: 本发明公开了一种面向时延SLA的智能无线接入网资源分配方法，属于无线通信领域，首先建立通过切片内资源分配最小化确定性流量时延抖动之和、并在此基础上通过切片间资源分配最大化eMBB业务吞吐量的优化问题。接着，将确定性流量时延抖动最小化问题转化为确定性时延下各个迷你时隙URLLC资源需求期望方差最小化问题，并设计启发式方法求解该问题。最后，设计深度强化学习优化算法，根据统计信道状态信息进行切片间资源分配的自适应调整，以提高eMBB吞吐量。本发明的方法具有复杂度较低、适应性强、性能优异特点。

公开(公告)号：CN119766290A

公开(公告)日：2025-04-04

申请号：CN202411725431.4

申请日：2024-11-28

Applicant: 东南大学

Inventor： 张铖 ,  王晨阳 ,  孟帆 ,  黄永明

IPC: H04B7/0413 ,  H04B7/0426 ,  H04B17/382 ,  H04B17/391

Abstract: 本发明提供一种数字孪生辅助的流量感知无蜂窝MIMO波束选择方法，包括数字孪生模块和强化学习(Reinforcement Learning,RL)波束选择模块，实现步骤为：算法部署初期，采用专家策略进行波束选择，并将每次观测到的环境信息放入数据仓库中；当收集足够的环境信息样本后，构建并监督训练数字孪生模块，作为虚拟环境与RL波束选择模块进行离线交互，提供RL训练所需的状态和奖励信息；当训练一定轮数后，将RL波束选择模块部署在真实环境中，从而替代专家策略，与现有RL波束选择方案相比，此数字孪生辅助方案避免了探索初期的不安全，具有更高的初始性能和更快的收敛速度。

公开(公告)号：CN116633395A

公开(公告)日：2023-08-22

申请号：CN202310705796.X

申请日：2023-06-14

Applicant: 东南大学

Inventor： 张铖 ,  陈乐明 ,  黄永明 ,  孟帆

IPC: H04B7/0413 ,  H04B7/06 ,  H04B17/391 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提供一种挖掘时空序列特征信息的宽度学习基站协作波束对齐方法。各基站利用本地宽度学习网络，基于分布式学习训练架构，协同学习多基站的感知波束响应到对应窄波束的映射关系，以完成最佳下行传输窄波束的预测。为了挖掘过去若干采样时刻的感知波束信息，有效预测当前时刻的窄波束，本发明使用感知波束响应的时间序列来获得宽度学习网络的特征节点，设计了循环宽度学习方法。进一步，提出门控宽度学习方法，设计一个遗忘门来控制学习到的序列信息。本发明解决了模型对快时变场景的适配问题，实现基站侧模型轻量化，可在减轻中央处理单元计算压力的同时，取得协作开销与波束选择预测性能的合理折衷，实现在小样本条件下较高性能的波束对齐。