一种快速傅里叶变换计算模块及频偏估计装置

    公开(公告)号:CN115913846B

    公开(公告)日:2025-03-18

    申请号:CN202110987933.4

    申请日:2021-08-26

    Abstract: 本发明涉及一种快速傅里叶变换计算模块及频谱估计装置。其中,频谱估计装置包括:采样模块、快速傅里叶变换计算模块和最大值比较模块;所述采样模块用于按照固定的采样间隔获取信道数据,并对扩频采样数据进行解扰处理再进行相关运算获取信道数据;所述快速傅里叶变换计算模块用于对获取的信道数据实施快速傅里叶变换计算;所述最大值比较模块用于对快速傅里叶变换计算后的结果进行最大值比较,并根据最大值确定频偏位置。快速傅里叶变换计算模块引入了非对称的蝶形部件,并对FFT计算流程进行了串行化编排。本发明能够在不增加存储资源的前提下达到提升估计精度的目的。

    一种基于分布式链路调度和功率控制的节能SIC方法

    公开(公告)号:CN114727372B

    公开(公告)日:2024-04-09

    申请号:CN202210227618.6

    申请日:2022-03-08

    Abstract: 本发明涉及一种基于分布式链路调度和功率控制的节能SIC方法,包括以下步骤:定义SIC可行区域上限距离和SIC不可行区域下限距离,将区域划分为SIC可行区域和SIC不可行区域;选择SIC可行区域内且距离接收节点最近的链路作为SIC并发链路;对所述SIC并发链路进行功率控制,将所述功率控制定义为一个以最小化总传输功率为目标的线性规划问题;通过分布式访问控制方法协调调度每个时隙的SIC并发链路对。本发明能够在保证并发传输吞吐量的同时降低网络的能量损耗以及计算复杂度。

    一种基于容错的WSN目标跟踪休眠调度方法

    公开(公告)号:CN114727373A

    公开(公告)日:2022-07-08

    申请号:CN202210228032.1

    申请日:2022-03-08

    Abstract: 本发明涉及一种基于容错的WSN目标跟踪休眠调度方法,包括:最先感知到目标出现的节点基于时延广播竞选簇头,并形成簇,簇内节点进行目标感知工作;簇头收集到簇内节点对目标的感知数据后计算所述目标的位置和运动轨迹;根据计算出的所述目标的位置结合预测误差构建预测容错域;对所述预测容错域内的节点采用调度算法进行调度,所述调度算法根据节点集能耗、感知覆盖面积和冗余重叠面积构建一个目标函数,通过调整所述预测容错域内的各个节点的感知半径和活跃状态使目标函数值最小。本发明能够降低预测误差对跟踪精度带来的影响,降低目标的丢失率,并消耗相对较小的能量。

    分簇路由算法
    8.
    发明公开

    公开(公告)号:CN109831811A

    公开(公告)日:2019-05-31

    申请号:CN201910243147.6

    申请日:2019-03-28

    Abstract: 本发明涉及一种分簇路由算法,包括以下步骤:由基站计算全网节点的簇首节点比例与分簇半径,以及全网节点平均剩余能量,并将计算获取的簇首节点比例、分簇半径以及全网节点平均剩余能量广播给所有节点;各节点根据接收到的簇首节点比例、分簇半径以及全网节点平均剩余能量,计算各自的簇首节点选举阈值,并将该簇首节点选举阈值与该节点产生的随机数比对,随机数大于该簇首节点选举阈值的节点成为候选节点;候选节点在第一时间阈值内未接收到其他候选节点的有效成簇信息时,被选举为簇首节点,并向基站和所有节点广播成簇信息。上述分簇路由算法在簇首节点选举过程中考虑节点能量状况与节点间距离,稳定簇首节点数量,均衡簇首节点分布。

    一种基于无线传感网的节点调度方法

    公开(公告)号:CN115278819B

    公开(公告)日:2024-06-07

    申请号:CN202210658938.7

    申请日:2022-06-13

    Abstract: 本发明涉及一种基于无线传感网的节点调度方法,包括以下步骤:感知到入侵目标的节点自组织成簇,并基于节点的剩余能量、节点间的距离、节点到Sink节点的距离、以及目标相对于节点的运动趋势选出簇头节点;簇内其他节点根据自身的剩余能量、预期能耗和部署密度判断自己是否具备成为任务节点的资格,当具备资格时,向所述簇头节点发送申请信息和本节点处目标状态估计的均方误差;所述簇头节点根据跟踪精度、能耗和能量平衡从发出申请信息的簇成员节点中选择任务节点,得到任务节点集。本发明能够在跟踪性能和网络生命周期之间取得平衡。

    一种基于循环二维谱图去模糊的深度学习调制识别方法

    公开(公告)号:CN117640321A

    公开(公告)日:2024-03-01

    申请号:CN202311707800.2

    申请日:2023-12-13

    Abstract: 本发明涉及一种基于循环二维谱图去模糊的深度学习调制识别方法,包括:制作易混淆信号的循环二维谱图的模板,并得到的模板保存至模板库;接收待识别信号,并将待识别信号转换为循环二维谱图;将待识别信号的循环二维谱图与模板库中的模板进行匹配;若匹配成功则使用第一识别模型对所述待识别信号的循环二维谱图进行识别;若匹配失败则使用第二识别模型对所述待识别信号的循环二维谱图进行识别。本发明解决了循环谱在调制识别中的模糊问题。

Patent Agency Ranking