-
Patent Agency Ranking
公开(公告)号：CN118764931A
公开(公告)日：2024-10-11
申请号：CN202410741592.6
申请日：2024-06-11
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于元学习的多场景下泛化性路径损耗预测方法，属于无线通信技术领域。本发明提出了一种基于元学习的多种类场景下泛化性路径损耗预测方法，将元训练与特化训练双阶段训练过程结合，在元训练每轮梯度更新时有效综合内层训练后网络权重与原网络权重，从而避免元学习路径损耗预测网络模型对于部分场景数据过拟合，更好地学习场景间的共性特征，提升了路径损耗建模方案对于多种场景的泛化性能。
-
公开(公告)号：CN118523860A
公开(公告)日：2024-08-20
申请号：CN202410583014.4
申请日：2024-05-11
Applicant: 北京理工大学
IPC: H04B17/391 , H04B7/0413
Abstract: 本发明涉及一种非互易高频波束下的高空信道模拟方法，属于无线通信技术领域。在HAP与地面基站(BS)侧为发射和接收天线阵列分配了不同的波束宽度。一方面，在发射侧采用高针对性的窄波束设计，这种设计带来了较大的增益，保证了通信的可靠性，提升了通信的峰值速率；另一方面，在接收侧采用宽波束设计，在确保接收能力的同时，宽波束设计减少了接收侧的波束跟踪的资源消耗，降低了波束管理的复杂度。非互易的天线结构为HAP信道带来了更高的信道增益与更大的系统容量。
-
公开(公告)号：CN119254361A
公开(公告)日：2025-01-03
申请号：CN202411501926.9
申请日：2024-10-25
Applicant: 北京理工大学
IPC: H04B17/391 , H04B17/373 , H04B17/309
Abstract: 本发明涉及一种感知增强的信道多模态预知性建模方法，属于无线通信技术领域。将已有感知数据位置的双基地感知信道数据作为时序特征模态，用以预测互为时序关系的相邻位置的通信小尺度数据。将包含感知数据统计特征和位置拓扑特征的链路模态特征和基于灰度矢量地图的视觉模态特征作为辅助、和感知时序模态组成多模态网络的方法，设计了门控循环单元、预训练深度残差网络、全连接网络分别提取各个模态的特征并给出多时间步时延功率谱的预测结果。基于平稳距离度量的感知和通信点数选取方法，基于时延功率谱度量计算目标区域的平稳距离均值，确保了在预测周期内信道发生非平稳现象。
-
公开(公告)号：CN118784112A
公开(公告)日：2024-10-15
申请号：CN202410741596.4
申请日：2024-06-11
Applicant: 北京理工大学
IPC: H04B17/391 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种融合环境要素的感知信道建模方法，属于无线通信技术领域。将ISAC单基地的感知基站周边的矢量地图的俯视灰度图作为输入，并提出了灰度图像的提取与处理算法。采用了深度残差网络作为路径损耗预测性模型，预测出来的路径损耗作为后续小尺度信道参数建模的输入，相比已有的感知信道建模技术的准确性得到了显著提升。提出了与实际传播环境和散射体分布相耦合的感知目标集生成算法，使得感知信道建模的结果具有物理意义，更加贴合实际的传播场景。
-
公开(公告)号：CN117478257A
公开(公告)日：2024-01-30
申请号：CN202311429256.X
申请日：2023-10-31
Applicant: 北京理工大学
IPC: H04B17/391 , H04L41/16 , G06F18/23 , G06N3/042
Abstract: 本发明涉及一种融合城市空间形态的路径损耗建模方法，属于无线通信技术领域。该方法首先，基于城市矢量地图做地理数据库的预处理，完成数字子建筑的聚类与合并。其次，将全局坐标系仿射变换为局部坐标系，将建筑三维形状量化编码为空间形态特征，同时，提取出线性的环境拓扑特征，结合双模态特征以及路径损耗真实值制作路径损耗预测数据集。最后，基于图注意力卷积层与自注意力图池化层构建图回归网络，实现了对路径损耗的预测模型。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
