-
公开(公告)号：CN102404747B
公开(公告)日：2013-12-11
申请号：CN201110371988.9
申请日：2011-11-21
Applicant: 北京科技大学
IPC: H04W16/10
Abstract: 本发明公开了一种高效与公平的动态频谱分配方法，适用于交互式认知无线网络，其包括以下步骤：基于合作微分博弈理论，将交互式认知无线网络划分为不同的联盟，建立交互式认知无线网络“联盟-竞争”型体系结构；设定交互式认知无线网络具有多个认知用户以及每个认知用户的目标函数或支付函数；求解前述目标函数或支付函数。本发明可以有效缓解频谱资源的稀缺，提高频谱的利用率，同时，兼顾频谱使用的公平性和效率。
-
公开(公告)号：CN102404747A
公开(公告)日：2012-04-04
申请号：CN201110371988.9
申请日：2011-11-21
Applicant: 北京科技大学
IPC: H04W16/10
Abstract: 本发明公开了一种高效与公平的动态频谱分配方法，适用于交互式认知无线网络，其包括以下步骤：基于合作微分博弈理论，将交互式认知无线网络划分为不同的联盟，建立交互式认知无线网络“联盟-竞争”型体系结构；设定交互式认知无线网络具有多个认知用户以及每个认知用户的目标函数或支付函数；求解前述目标函数或支付函数。本发明可以有效缓解频谱资源的稀缺，提高频谱的利用率，同时，兼顾频谱使用的公平性和效率。
-
公开(公告)号：CN110738121A
公开(公告)日：2020-01-31
申请号：CN201910876938.2
申请日：2019-09-17
Applicant: 北京科技大学
Abstract: 本发明提供一种前方车辆检测方法及检测系统，能够提高车辆检测、定位的可靠性和精确性。所述方法包括：通过激光雷达和视觉传感器分别获取前方车辆的点云数据和图像，并获取点云数据和图像中目标的标签类别；利用特征提取器对获取的点云数据和图像进行特征提取，将提取的特征进行像素级映射融合；利用融合后的特征及目标的标签类别对双区域生成网络进行训练，生成感兴趣区域并进行类别检测，输出前方车辆的三维检测结果。本发明涉及计算机视觉领域。
-
公开(公告)号：CN107612745A
公开(公告)日：2018-01-19
申请号：CN201710946631.6
申请日：2017-10-12
Applicant: 北京科技大学
Abstract: 本发明提供一种确定D2D网络模型的方法及评估D2D网络模型性能的方法，能够提高网络中D2D用户与蜂窝用户的覆盖概率及D2D网络的区域频谱效率。所述确定D2D网络模型的方法包括：基于蜂窝用户与D2D用户共存的异构网络，将蜂窝网络建模为泊松点过程；在宏基站周围设立隔离圈，使处在隔离圈内的D2D用户不能复用蜂窝用户的资源，并使用泊松孔过程与托马斯簇过程相结合的方式对聚集成簇的D2D网络进行建模，得到基于泊松孔簇过程的D2D网络模型。本发明适用于D2D异构网络部署领域。
-
Patent Agency Ranking
公开(公告)号：CN106454919A
公开(公告)日：2017-02-22
申请号：CN201610941425.1
申请日：2016-10-25
Applicant: 北京科技大学
IPC: H04W24/06
Abstract: 本发明提供一种基于泊松簇过程的异构蜂窝网络基站部署方法，所述方法包括：基于随机几何理论，根据假设的系统模型，采用瞬时SINR的小区选择机制作为用户的小区选择机制，基于泊松簇过程推导出SINR模型；利用泊松簇过程的特性以及其概率生成函数对多层异构蜂窝网络的干扰模型进行分析推导，得到干扰分布模型；结合SINR模型与干扰分布模型，推导得到多层异构蜂窝网络覆盖概率模型；通过仿真对比分析了泊松簇过程与泊松点过程的覆盖概率的差异。本发明更加贴近实际通信场景的模型，覆盖概率更大，可以更好地分析覆盖概率、吞吐量，对将来异构蜂窝网络的研究具有重要意义。
-
公开(公告)号：CN106454919B
公开(公告)日：2019-11-08
申请号：CN201610941425.1
申请日：2016-10-25
Applicant: 北京科技大学
IPC: H04W24/06
Abstract: 本发明提供一种基于泊松簇过程的异构蜂窝网络基站部署方法，所述方法包括：基于随机几何理论，根据假设的系统模型，采用瞬时SINR的小区选择机制作为用户的小区选择机制，基于泊松簇过程推导出SINR模型；利用泊松簇过程的特性以及其概率生成函数对多层异构蜂窝网络的干扰模型进行分析推导，得到干扰分布模型；结合SINR模型与干扰分布模型，推导得到多层异构蜂窝网络覆盖概率模型；通过仿真对比分析了泊松簇过程与泊松点过程的覆盖概率的差异。本发明更加贴近实际通信场景的模型，覆盖概率更大，可以更好地分析覆盖概率、吞吐量，对将来异构蜂窝网络的研究具有重要意义。
-
公开(公告)号：CN104811452A
公开(公告)日：2015-07-29
申请号：CN201510218572.1
申请日：2015-04-30
Applicant: 北京科技大学
Abstract: 本发明提供了一种基于数据挖掘的自学习分级预警入侵检测系统。系统包括：聚类分析模块、异常检测引擎、规则库、关联分析模块、规则泛化模块、规则管理模块、日志记录和分级预警模块。本发明通过将数据挖掘技术应用到入侵检测中，充分利用现有的数据挖掘算法以及网络攻击的特点，实现了入侵检测系统的自学习和分级预警，有效地提高了检测的精确性和高效性，具有可观的经济价值和使用价值。
-
公开(公告)号：CN103580809A
公开(公告)日：2014-02-12
申请号：CN201310598429.0
申请日：2013-11-22
Applicant: 北京科技大学
Abstract: 本发明是一种基于多源分布式网络的多跳协作传输方法。按如下步骤进行：信源节点根据所选的星座调制方式，分散重组数据帧，在各自的时隙将信号星座调制发送给中继集1中的节点；该节点收到信号后，作出判决，如果只收到单个信源节点的信号并且其星座调制方式与该节点所采用调制方式相同，则直接对信号放大后发送到中继集2中相应的节点；否则，进行星座解调、随机网络编码、数据帧分散重组、星座调制后，发送到中继集2中相应的节点；以此类推，中继集中的节点对信号以相同的方式处理；目的节点收到多条链路的信号进行联合译码。本发明根据星座调制方法不同比特位的错误概率的差异，在多跳传输中保护部分数据块，从而降低网络整体数据块的误块率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
