-
公开(公告)号：CN116760673A
公开(公告)日：2023-09-15
申请号：CN202310984040.3
申请日：2023-08-07
Applicant: 北京邮电大学
IPC: H04L27/00
Abstract: 本申请提供一种盲混合调制方式识别方法、装置及设备。该方法包括：接收发送端发送的接收信号，根据预设的码本库，对接收信号进行盲激活序列检测，得到多条扩频数据流，根据预设的最小均方误差模型对多条扩频数据流进行解扩处理，得到多条信息数据流，采用预设的分区匹配PM算法，对多条信息数据流做均衡处理，得到每个信息数据流对应的星座图和区域分布比值，根据每个信息数据流对应的星座图和区域分布比值，预设的区域分布阈值，确定发送端的每个用户使用的调制方式。基于星座图的几何特征对调制符号流进行分簇判断，并依据噪声和干扰建模计算区域分布阈值，从而实现多用户盲混合调制的识别，解决了现有技术的局限性。
-
公开(公告)号：CN106375250B
公开(公告)日：2019-05-21
申请号：CN201610769467.1
申请日：2016-08-30
Applicant: 北京邮电大学
IPC: H04L25/02
Abstract: 本发明提供一种慢时变信道下基于压缩感知的数据传输方法及装置。该方法，包括：接收经过慢时变信道传输的压缩数据；根据所述压缩数据中插入的导频数据通过信道估计算法，获取初始的信道估计矩阵；根据所述信道估计矩阵以及扰动矩阵，采用扰动重建算法对所述压缩数据的原始数据进行重建，获取重建后的原始数据；根据所述重建后的原始数据和所述压缩数据，获取更新后的信道估计矩阵；所述更新后的信道估计矩阵用于对接收到的压缩数据进行重建。本发明有效的减少对于导频的需求，提升了系统的传输效率，即提升了系统性能。
-
公开(公告)号：CN105072688B
公开(公告)日：2018-10-30
申请号：CN201510487873.4
申请日：2015-08-10
Applicant: 北京邮电大学
Abstract: 本发明提供一种多中继认知无线网络的信息传输方法及装置。该方法包括：中继节点根据自身能否正确译码主信息和/或从信息获知所属的中继节点类别，根据自身所属的中继节点类别判断从用户的通信是否会影响中继节点对主信息的译码，并以预设的发送方式向从用户发送包含判断结果的反馈信息，不同类别的中继节点的发送方式不同，以使从用户接收到所有中继节点发送的反馈信息后，在确定所有反馈信息都为从用户的通信不会影响中继节点对主信息的译码且存在可以正确译出从信息的中继节点时向所有的中继节点发送从信息。最后中继节点根据主用户接收端能否正确译码主信息对接收到的主信息和从信息的进行功率分配并发送。从而达到最优的系统性能。
-
公开(公告)号：CN105072688A
公开(公告)日：2015-11-18
申请号：CN201510487873.4
申请日：2015-08-10
Applicant: 北京邮电大学
CPC classification number: H04W72/0406 , H04W52/265 , H04W72/0473 , H04W72/0486
Abstract: 本发明提供一种多中继认知无线网络的信息传输方法及装置。该方法包括：中继节点根据自身能否正确译码主信息和/或从信息获知所属的中继节点类别，根据自身所属的中继节点类别判断从用户的通信是否会影响中继节点对主信息的译码，并以预设的发送方式向从用户发送包含判断结果的反馈信息，不同类别的中继节点的发送方式不同，以使从用户接收到所有中继节点发送的反馈信息后，在确定所有反馈信息都为从用户的通信不会影响中继节点对主信息的译码且存在可以正确译出从信息的中继节点时向所有的中继节点发送从信息。最后中继节点根据主用户接收端能否正确译码主信息对接收到的主信息和从信息的进行功率分配并发送。从而达到最优的系统性能。
-
公开(公告)号：CN119521267A
公开(公告)日：2025-02-25
申请号：CN202411675584.2
申请日：2024-11-21
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于审查与量化联合设计的无线传感器信号检测方法，首先基于观测值的对数似然比设计了结合审查与量化机制的观测值回传方法，然后为融合中心设计了基于审查量化的最大似然检测器，最后提出了以最大化检测器性能为目标的审查量化最优门限选择方法。本发明提供的技术方案提高了无线传感器网络系统的能量效率。因此，本发明提供的技术方案在有效提高传感器的能量利用效率的同时，能够保证足够的信号检测性能。
-
Patent Agency Ranking
公开(公告)号：CN117220745A
公开(公告)日：2023-12-12
申请号：CN202311481311.X
申请日：2023-11-08
Applicant: 北京邮电大学
IPC: H04B7/06 , H04B7/0413 , G06N3/044 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的多用户信道状态信息联合压缩反馈方法，基站对小区内的所有用户发送下行导频序列，用户将已知导频序列和接收信道对比，通过信道估计获取实时下行信道状态信息，根据数据集训练多用户信道状态信息联合压缩反馈神经网络模型，用户使用编码器网络对下行信道状态信息进行压缩并且量化形成反馈码字，用户上行传输反馈码字，基站接收用户组的混合码字，基站使用解码器网络对混合码字进行解码，重构用户的下行信道状态信息。本发明提供的技术方案使得在复杂的通信环境下，多个用户设备能够更高效地进行信道状态信息反馈，同时不增加反馈延时和资源占用。
-
公开(公告)号：CN105162548B
公开(公告)日：2018-09-28
申请号：CN201510431538.2
申请日：2015-07-21
Applicant: 北京邮电大学
Abstract: 本发明提供一种认知无线网络中的编码、译码方法及装置。该方法包括：发送端将信源数据划分为多个长度为n的数据块，n为大于0的整数。发送端使用m×n测量矩阵对每个长度为n的数据块进行压缩编码，得到长度为m的数据帧，m为大于0的整数。发送端以广播形式发送数据帧。本发明提供一种认知无线网络中的编码、译码方法及装置，可降低发送端的复杂度，并提高认知无线网络中信息传输的可靠性。
-
公开(公告)号：CN118785311A
公开(公告)日：2024-10-15
申请号：CN202410714327.9
申请日：2024-06-04
Applicant: 北京云智软通信息技术有限公司 , 北京邮电大学
Abstract: 本申请实施例提供了一种H1连接建立方法、基站设备及电子设备，其中，该方法应用于基于IAB技术实现的节点设备，节点设备中预置有基站功能模块、模拟移动终端的MT模块，通过利用目标节点设备的MT模块对所处环境中的邻近节点设备的小区系统消息进行探测，在探测到该小区系统消息时，接入对应的邻近的节点设备。或利用自身的基站功能模块广播自身的小区系统消息，使得邻近的节点设备接入到该目标节点设备中。并与接入的邻居节点设备交换各自的邻居节点列表，并基于该交换得到的邻居节点列表与系统中的其他节点设备构建面向连接的H1连接。如此，能够快速建立起各节点设备之间的面向连接的H1连接，快速恢复可用的通信网络。
-
公开(公告)号：CN117272211B
公开(公告)日：2024-02-13
申请号：CN202311548457.1
申请日：2023-11-20
Applicant: 北京邮电大学
IPC: G06F18/2433 , G06F18/15 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/0495 , G06N3/082 , G06F123/02
Abstract: 本发明公开了一种基于长短期记忆模型的轻量化航天器故障检测分类方法，选择更适合处理序列数据的长短期记忆网络，以充分提取并建模特征序列中的时空双重维度信息，学习更高层次的时序特征，从而获得更准确的预测结果。本发明使用的数据处理方式，将不同故障模式、不同运行模式的数据集进行维度补全，拼合数据集以便于统一训练模型，做到一个模型可以检测和分类不同数据格式的航天器故障数据集。本发明使用细粒度的基于软滤波的加权剪枝方法和量化技术进行深度神经网络模型轻量化处理，从而优化模型，加快模型的运行速度，更好地进行航天器异常诊断的异构计算。本发明进行模型的重训练以恢复模型的判别精度。
-
公开(公告)号：CN117220745B
公开(公告)日：2024-02-09
申请号：CN202311481311.X
申请日：2023-11-08
Applicant: 北京邮电大学
IPC: H04B7/06 , H04B7/0413 , G06N3/044 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的多用户信道状态信息联合压缩反馈方法，基站对小区内的所有用户发送下行导频序列，用户将已知导频序列和接收信道对比，通过信道估计获取实时下行信道状态信息，根据数据集训练多用户信道状态信息联合压缩反馈神经网络模型，用户使用编码器网络对下行信道状态信息进行压缩并且量化形成反馈码字，用户上行传输反馈码字，基站接收用户组的混合码字，基站使用解码器网络对混合码字进行解码，重构用户的下行信道状态信息。本发明提供的技术方案使得在复杂的通信环境下，多个用户设备能够更高效地进行信道状态信息反馈，同时不增加反馈延时和资源占用。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.024 seconds)
