-
公开(公告)号：CN101090386B
公开(公告)日：2010-05-19
申请号：CN200710043479.7
申请日：2007-07-05
Applicant: 中国科学院上海微系统与信息技术研究所 , 上海睿智通无线技术有限公司
Abstract: 本发明涉及一种基于滤波器组的分块传输系统频域解调装置及其方法，先对接收的数据块做Q＝DxN点的DFT变换，将时域数据变换到频域；然后根据各子带占用频谱对应的均衡子载波位置和估计的各均衡子载波信道频率响应，对每个均衡子载波做单点ZF或MMMSE均衡；接着针对各占用的子带频域子载波位置，分别进行匹配滤波，能量收集和频偏补偿操作；然后采用多个D点IFFT，分别将各个子带的频域数据变换到时域，最后K点逆正交变换装置，对输入的K个并串转换装置输出的符号序列进行K点逆正交变换，完成滤波器组传输信号的解调。本发明与现有技术相比，基于频域均衡和频域滤波器组解调的接收方法在保持相同性能的条件下，具有更低的实现复杂度。
-
公开(公告)号：CN101355538A
公开(公告)日：2009-01-28
申请号：CN200710044132.4
申请日：2007-07-23
Applicant: 中国科学院上海微系统与信息技术研究所 , 上海睿智通无线技术有限公司
IPC: H04L27/26
Abstract: 一种基于滤波器组的分块传输系统频域调制系统及方法，先将输入的串行调制符号序列分割为D个每段长度为K的数据块序列后，再进行K点正交变换，然后通过子带映射，将每个正交变换输出的K个元素分别映射到系统分配的K个子带上传输，接着对各子带上传输的长度为D的数据块进行D点DFT变换后，分别再周期拓展为长度为D×N的数据块，然后将K个长度为D×N的数据块分别乘上各子带对应的频谱窗函数进行频谱成型后进行数据块累加，形成一个长度为D×N的数据块，然后将该数据块进行D×N点的逆傅立叶变换及添加循环前缀后予以传输，如此可在保持性能的条件下降低实现复杂度，尤其是当分配的子带数目较少的情况，如上行链路。
-
公开(公告)号：CN101355538B
公开(公告)日：2011-01-26
申请号：CN200710044132.4
申请日：2007-07-23
Applicant: 中国科学院上海微系统与信息技术研究所 , 上海睿智通无线技术有限公司
IPC: H04L27/26
Abstract: 一种基于滤波器组的分块传输系统频域调制系统及方法，先将输入的串行调制符号序列分割为D个每段长度为K的数据块序列后，再进行K点正交变换，然后通过子带映射，将每个正交变换输出的K个元素分别映射到系统分配的K个子带上传输，接着对各子带上传输的长度为D的数据块进行D点DFT变换后，分别再周期拓展为长度为D×N的数据块，然后将K个长度为D×N的数据块分别乘上各子带对应的频谱窗函数进行频谱成型后进行数据块累加，形成一个长度为D×N的数据块，然后将该数据块进行D×N点的逆傅立叶变换及添加循环前缀后予以传输，如此可在保持性能的条件下降低实现复杂度，尤其是当分配的子带数目较少的情况，如上行链路。
-
公开(公告)号：CN101090386A
公开(公告)日：2007-12-19
申请号：CN200710043479.7
申请日：2007-07-05
Applicant: 中国科学院上海微系统与信息技术研究所 , 上海睿智通无线技术有限公司
Abstract: 本发明涉及一种基于滤波器组的分块传输系统频域解调装置及其方法，先对接收的数据块做Q＝DxN点的DFT变换，将时域数据变换到频域；然后根据各子带占用频谱对应的均衡子载波位置和估计的各均衡子载波信道频率响应，对每个均衡子载波做单点ZF或MMMSE均衡；接着针对各占用的子带频域子载波位置，分别进行匹配滤波，能量收集和频偏补偿操作；然后采用多个D点IFFT，分别将各个子带的频域数据变换到时域，最后K点逆正交变换装置，对输入的K个并串转换装置输出的符号序列进行K点逆正交变换，完成滤波器组传输信号的解调。本发明与现有技术相比，基于频域均衡和频域滤波器组解调的接收方法在保持相同性能的条件下，具有更低的实现复杂度。
-
公开(公告)号：CN117335907B
公开(公告)日：2025-04-15
申请号：CN202311152634.4
申请日：2023-09-07
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: H04B17/382 , H04W4/029 , H04W84/18
Abstract: 本发明涉及一种基于射频转发的电磁空间感知和构建方法，包括以下步骤：构建无线传输网络，包括管理中心和多个终端设备；所述管理中心将感知任务和构建任务部署给所述终端设备；执行感知任务的所述终端设备在第一频段进行侦测，并将侦收到的非合作辐射源发出的信号分为第一路目标信号和第二路目标信号；执行感知任务的所述终端设备将所述第二路目标信号转频放大后通过第二频段发送，同时对所述第一路目标信号进行初步分析，并将分析结果中的特定数据发送给所述管理中心进行集中式融合处理；执行电磁空间构建任务的所述终端设备获取所述第二路目标信号，构建虚电磁空间。本发明能够对电磁空间进行持续感知，并实时构建虚电磁空间。
-
Patent Agency Ranking
公开(公告)号：CN119212005A
公开(公告)日：2024-12-27
申请号：CN202411201213.0
申请日：2024-08-29
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: H04W28/084 , H04W28/08 , G06N3/092
Abstract: 本发明涉及一种基于强化学习的多智能体动态决策方法，应用于包括边缘服务器和多个用户设备的边缘计算网络，包括以下步骤：以每个所述用户设备为一个智能体，将所述边缘计算网络中的任务卸载过程抽象为多智能体部分可观察马尔可夫决策过程；定义任意所述用户设备的任务卸载效益为其获取的边缘计算收益减去其边缘卸载成本；利用结合注意力机制的DDPG算法求解所述多智能体部分可观察马尔可夫决策过程，获得使每个所述用户设备均达到纳什均衡下其自身所述任务卸载效益最大化的最优卸载决策。本发明综合考虑物联网中用户设备的计算需求和物联网环境的动态变化，为每个用户设备提供了灵活、高效和实时的计算卸载决策。
-
公开(公告)号：CN119212000A
公开(公告)日：2024-12-27
申请号：CN202411201307.8
申请日：2024-08-29
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种雾网络中基于时延和能耗优先级的资源管理方法和装置，其中，方法包括：基于用户对本次计算卸载的满意度和用户对雾节点的支出确定用户效用函数；基于雾节点从用户处获得的直接收益和雾节点根据任务卸载比率的能耗成本确定雾节点效用函数；以所述用户效用函数和雾节点效用函数最大化为目标构建斯塔克伯格博弈模型；利用反向归纳法对所述斯塔克伯格博弈模型进行求解，得到用户最优卸载和雾节点最优定价策略；采用所述用户最优卸载和雾节点最优定价策略对雾网络进行资源管理。本发明可以获得不同任务需求下雾节点最优定价策略和用户最优雾节点选择策略。
-
公开(公告)号：CN114553283B
公开(公告)日：2024-09-03
申请号：CN202210213996.9
申请日：2022-03-07
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种基于多圈UCA的涡旋电磁波发散角度调节方法，包括：确定多圈UCA的每一圈UCA的半径；确定遗传算法的基本参数以及优化角度集合，优化角度集合的每个元素分别表示OAM涡旋电磁波波束的一个优化发散角度；对优化角度集合中每一个优化发散角度执行遗传算法优化，得到优化结果；根据得到的优化结果调节OAM涡旋电磁波的发散角度。本发明的基于多圈UCA的涡旋电磁波发散角度调节方法利用遗传算法与多圈UCA结合，通过遗传算法优化多圈UCA的能量、附加相位、模式以实现涡旋电磁波发散角度的灵活调整，此外，同时给出不同发散角度下的优化结果，可以快速调整涡旋电磁波的发散角度。
-
公开(公告)号：CN117134814A
公开(公告)日：2023-11-28
申请号：CN202311041563.0
申请日：2023-08-17
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: H04B7/185 , H04W28/08 , H04W72/0446 , G06N3/092
Abstract: 本发明涉及一种基于信息新鲜度的卫星边缘计算任务卸载方法，包括：获取卫星计算任务执行队列信息、接入卫星的地面用户传输队列信息以及无线传输信息；构建以最小化用户加权信息新鲜度为目标的优化问题模型；对优化问题模型进行预处理，并基于预处理后的优化问题模型，建立基于深度强化学习框架下的无模型马尔可夫决策过程；基于深度强化学习算法，求解基于深度强化学习框架下的无模型马尔可夫决策过程；根据求解后的结果，确定任务卸载方案。本发明能够提高计算资源的分配效率，同时能够满足对实时性要求较高的用户需求，使得用户可以获得信息新鲜度更高的计算任务结果。
-
公开(公告)号：CN117014961A
公开(公告)日：2023-11-07
申请号：CN202310936220.4
申请日：2023-07-27
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: H04W28/08 , H04B7/185 , H04W28/084
Abstract: 本发明涉及一种基于分布式智能的星地融合网络任务卸载方法，包括：将每个地面用户对应一个部署在卫星上的智能体，智能体获取星地融合网络环境信息；根据星地融合网络环境信息，构建以最小化用户任务的服务时延为目标的优化问题模型；基于优化问题模型，建立改进后的深度强化学习模型；基于分布式的深度强化学习算法，求解改进后的深度强化学习模型；基于求解后的深度强化学习模型，获取优化的任务卸载策略。本发明考虑了卫星固有特性和服务迁移的影响，能够加速收敛速度，在较低卫星能耗开销下有效降低用户服务时延，同时能避免算法训练对卫星带来的额外计算和能耗开销，提高卫星资源利用率。
-
-
-
-
-
-
-
-
-
Search Results
207
records
(took 0.073 seconds)
