-
公开(公告)号：CN105898761A
公开(公告)日：2016-08-24
申请号：CN201410631143.2
申请日：2014-11-07
Applicant: 南京大学
IPC: H04W16/18
Abstract: 本发明涉及一种网络规划方案，是一种适用于异构蜂窝无线网络架构的网络规划方案。由历史业务流量分布划分子区域，建立业务需求节点模型。预测不同类型的候选基站和业务需求节点之间的链路增益，确定候选基站满足业务需求节点所需要消耗的功率和带宽，选择候选基站部署基站，分配资源使得异构蜂窝无线网络基站之间负载均衡。由此，本发明提供了一种可以低成本、高性能、高精度以及网络负载均衡的网络规划方案。
-
公开(公告)号：CN103500369A
公开(公告)日：2014-01-08
申请号：CN201310472780.5
申请日：2013-10-11
Applicant: 南京大学
Abstract: 本发明公开了一种基于混合整形规划及其分解的水资源最优调度方法，一通过分析问题的特殊结构，分解该问题，获得分解后的局部解，再利用该问题的特殊结构得到该特定问题的最优方案。本发明通过聚类划分地理模块，建立混合整形规划数学模型，开发该问题的特殊结构，并将该问题分解成独立小问题，再获得分解后的局部解，然后利用该问题的特殊结构重新组合局部解，得到该特定问题的最优方案，并证明其最优性。
-
公开(公告)号：CN102184328A
公开(公告)日：2011-09-14
申请号：CN201110119168.0
申请日：2011-05-10
Applicant: 南京大学
Abstract: 本发明提供一种土地利用演化CA模型转换规则优化方法，先根据被研究区域多时相时空土地利用数据，选择影响被研究区域土地利用变化的因素作为土地利用演化CA的空间特征变量；然后建立基于Logistic回归方法的土地利用演化CA模型，选择样点数据，并计算各空间变量的影响权重；进而采用进化规划算法，优化土地利用演化CA模型参数、建立基于进化规划算法的土地利用演化CA模型，最后验证模型的模拟精度与效率。本发明较目前常用的土地利用演化CA模拟模型转换规则获取方法操作更为简单、收敛速度更快、模拟精度更高，并且较其他土地利用演化CA模拟模型转换规则获取方法更为吻合时空土地利用演化的本质特征。
-
公开(公告)号：CN119718545A
公开(公告)日：2025-03-28
申请号：CN202411876371.6
申请日：2024-12-19
Applicant: 南京大学
Abstract: 本发明公开了一种面向边缘网络的服务器无感知计算函数编排方法、系统及设备，属于云计算技术领域。本发明的方法包括：实时处理，在每一个时间步对每一个函数实例中的函数进行调度与执行，包括热调用；触发式决策包括读取用户在线提交的新函数请求等信息；获得路由截止时间；找到新函数请求的函数调度序列，触发热调用；若在找不到满足要求的路由和调度，则触发冷启动。本发明能够解决在资源受限的边缘网络中进行服务器无感知计算函数编排，进行容器实例的部署、函数的可分割路由与调度联合优化的技术问题，从而最大化满足时延约束的累计服务奖赏。
-
公开(公告)号：CN112311706A
公开(公告)日：2021-02-02
申请号：CN202011206599.6
申请日：2020-11-03
Applicant: 南京大学
Abstract: 本发明公开了一种基于贝叶斯神经网络信道预测的频分双工下行传输方法。该方法的步骤如下：(1)基站存储若干个过去的信道状态信息作为训练数据，利用训练数据来训练参数初始化后的贝叶斯神经网络；(2)在下行传输过程中，基站先利用训练好的贝叶斯神经网络来预测下一个传输时隙的信道状态信息；到下一传输时隙时，基站在上行反馈等待阶段，将上述预测的信道状态信息用于待发送数据的预编码和传输；(3)基站通过反馈回来的信息获得估计的信道状态信息，利用该估计的信道状态信息在传输阶段发送下行数据；同时，基站继续通过贝叶斯神经网络预测后一个传输时隙的信道状态信息。本发明能进一步提高大规模多输入多输出系统的下行传输速率。
-
Patent Agency Ranking
公开(公告)号：CN115250496A
公开(公告)日：2022-10-28
申请号：CN202210903285.4
申请日：2022-07-29
Applicant: 南京大学
Abstract: 本发明属于移动通信技术领域，公开了一种接入网侧网络优化方法、系统及设备。本发明的方法，包括：构建各天线预定义的专属码本：根据每个天线周围的传播环境，依照预先设定的准则，从初始可选射频参数配置集合中选出一个规模固定的子集，作为该天线的专属码本；基于所述天线预定义的专属码本确定各天线的射频参数配置。本发明能够降低网络优化算法的执行时间，从而实现大规模的网络优化。
-
公开(公告)号：CN119172205A
公开(公告)日：2024-12-20
申请号：CN202411064413.6
申请日：2024-08-05
Applicant: 南京大学
IPC: H04L25/02 , H04B7/0413 , H04B7/06
Abstract: 本发明公开了一种适用于FDD Massive MIMO系统的自适应导频发送方法，利用信道的阶段平稳性质将时变非平稳信道分解为多个平稳信道块，并对多段平稳信道块分别进行相干时间估计，通过相干时间决定当前使用的导频发送间隔。其步骤主要包括信道相关性估计和导频间隔选择。本发明通过对信道相关性进行高置信度区间估计，控制相干时间估计的错误概率，尽量避免相干时间高估影响系统吞吐量；本发明使用阈值法估计相干时间，并根据阈值和系统有效信干噪比之间的关系，给出阈值设置方法，使得自适应导频方法能够满足具体任务对信道容量的需求。
-
公开(公告)号：CN117062123A
公开(公告)日：2023-11-14
申请号：CN202311060117.4
申请日：2023-08-22
Applicant: 南京大学
Abstract: 本发明公开了一种基于协同强化学习技术的大规模无线网络优化方法。该方法根据网络拓扑将目标区域划分成多个子区域，每个子区域的性能只与其邻域的基站配置相关；通过强化学习和分布式约束优化技术协调各个子区域的天线配置，实现高效的大规模网络优化。本发明通过覆盖预测，根据网络拓扑将目标区域划分成多个子区域，每个子区域的功率覆盖和容量覆盖仅与其邻域的基站的天线配置相关；通过强化学习和分布式约束优化技术协调各个子区域的天线配置，实现高效的大规模网络优化；实验结果表明，对于包含上百基站的网络，基于协同强化学习的无线网络优化方法取得的容量覆盖优于已有方法。
-
公开(公告)号：CN112311706B
公开(公告)日：2021-11-16
申请号：CN202011206599.6
申请日：2020-11-03
Applicant: 南京大学
Abstract: 本发明公开了一种基于贝叶斯神经网络信道预测的频分双工下行传输方法。该方法的步骤如下：(1)基站存储若干个过去的信道状态信息作为训练数据，利用训练数据来训练参数初始化后的贝叶斯神经网络；(2)在下行传输过程中，基站先利用训练好的贝叶斯神经网络来预测下一个传输时隙的信道状态信息；到下一传输时隙时，基站在上行反馈等待阶段，将上述预测的信道状态信息用于待发送数据的预编码和传输；(3)基站通过反馈回来的信息获得估计的信道状态信息，利用该估计的信道状态信息在传输阶段发送下行数据；同时，基站继续通过贝叶斯神经网络预测后一个传输时隙的信道状态信息。本发明能进一步提高大规模多输入多输出系统的下行传输速率。
-
公开(公告)号：CN111245487A
公开(公告)日：2020-06-05
申请号：CN202010050169.3
申请日：2020-01-17
Applicant: 南京大学
IPC: H04B7/0456 , H04B7/06
Abstract: 本发明公开了一种高速率下行数据预编码和传输方法。在下行链路中，首先基站需要存储上一个传输时隙反馈回来的信道状态信息，然后在当前传输时隙时，基站在发送完下行训练导频后，在等待阶段并不什么也不做，而是将存储下来的上一个传输时隙获得的信道状态信息直接用于待发送数据的预编码和传输，而在传输阶段仍继续发送下行数据，这样实际的传输阶段便是上行反馈等待阶段加上原来的传输阶段，从而增加了每个时隙传输阶段所占比例，进而提高下行传输速率和更加有效地利用频谱资源。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.015 seconds)
