-
公开(公告)号：CN119653396A
公开(公告)日：2025-03-18
申请号：CN202510169211.6
申请日：2025-02-17
Applicant: 南京邮电大学
IPC: H04W24/02 , H04B7/0426 , H04B7/0452
Abstract: 本发明公开一种去蜂窝大规模MIMO系统的下行谱效与能效联合优化方法，主要包括：基于去蜂窝大规模MIMO系统，获得该系统的下行频谱效率和能量效率的表达式，并定义资源效率的表达式；建立了资源效率最大化优化问题，然后利用连续凸近似技术将原问题转换为标准几何规划，最后基于黄金搜索法迭代求解了所得几何规划问题，获得了最优下行传输功率分配方案。本发明通过利用信道统计信息优化下行传输功率，同时提升了去蜂窝大规模MIMO系统的频谱效率和能量效率，有效地实现了谱效与能效之间的折中，提高了去蜂窝大规模MIMO系统中无线资源的利用率。
-
公开(公告)号：CN119274202A
公开(公告)日：2025-01-07
申请号：CN202411192526.4
申请日：2024-08-28
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06V20/05 , G06N3/006 , G06N3/0464 , G06N3/0455 , G06N3/082 , G06N3/086
Abstract: 本发明公开了基于粒子群和改进YOLOv6的复杂环境下鱼群识别与分类方法，该方法首先在图像获取层面运用多尺度的Retinex算法对获取的模糊光图像进行图像增强处理；接着在图像识别层面运用改进的BC‑YOLOv6算法，将YOLOv6的Backbone与双向结构的Transformer层的BiFormer相结合，同时在其架构中引入坐标注意力机制模块，提高对小目标的识别率，改进非极大值抑制，设计相关函数；最后在图像分类层面运通过定义了特征矩阵并改进了粒子群算法，获取选择后的特征矩阵实现了对图像的分类。仿真结果显示，本发明可以有效地减少人力和算力成本，显著的提高对图像的增强处理，进一步提高遮挡条件下的水底鱼群图像识别分类的监测率与正确率、特征表达能力与图像分类性能。
-
公开(公告)号：CN113311831B
公开(公告)日：2022-06-07
申请号：CN202110521950.9
申请日：2021-05-13
Applicant: 南京邮电大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于无线信号强度变化的多机器人路径冲突解决方法，各分布式机器人先不考虑与其他机器人冲突自主计算出行驶路径，之后在执行的过程中根据局部环境信息来调整各自的行驶路径。主要的解决冲突策略为双重优先级退避策略，第一阶段为静态阶段，其中为每个机器人分配了静态优先级退避时间，当机器人在通信控制区域的无线信号增强，此时触发第一层优先级退避算法，但当机器人由于第一层的退避时间过长，且接收信号强度值在通信稳定的情况下并未改变，会造成大量时间的浪费。为了改善这种情况，启动第二层优先级退避算法，各机器人第二层退避时间由第一层退避时间而定，减少了路口等待时间，提高仓储移动机器人效率。
-
公开(公告)号：CN113311831A
公开(公告)日：2021-08-27
申请号：CN202110521950.9
申请日：2021-05-13
Applicant: 南京邮电大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于无线信号强度变化的多机器人路径冲突解决方法，各分布式机器人先不考虑与其他机器人冲突自主计算出行驶路径，之后在执行的过程中根据局部环境信息来调整各自的行驶路径。主要的解决冲突策略为双重优先级退避策略，第一阶段为静态阶段，其中为每个机器人分配了静态优先级退避时间，当机器人在通信控制区域的无线信号增强，此时触发第一层优先级退避算法，但当机器人由于第一层的退避时间过长，且接收信号强度值在通信稳定的情况下并未改变，会造成大量时间的浪费。为了改善这种情况，启动第二层优先级退避算法，各机器人第二层退避时间由第一层退避时间而定，减少了路口等待时间，提高仓储移动机器人效率。
-
公开(公告)号：CN110493801A
公开(公告)日：2019-11-22
申请号：CN201910762792.9
申请日：2019-08-19
Applicant: 南京邮电大学
Abstract: 一种MEC环境下基于D2D通信的蜂窝系统数据卸载方法，包括：当卸载区域内存在D2D节点时，移动用户接入D2D模式，并采用上行共享信道将自身的计算任务卸载至距离最近的D2D节点；D2D节点接收计算任务并执行，通过下行共享信道发送所述执行结果；反之，移动用户接入AP模式，并在存在可用的上行专用信道时，采用上行专用信道将计算任务卸载至距离最近的AP节点；反之，则采用上行共享信道将计算任务卸载至AP节点；AP节点接收计算任务并执行，当存在可用的下行专用信道时，通过下行专用信道发送所述计算结果；反之，则采用下行共享信道发送计算结果。上述的方案，可以有效平衡蜂窝数据网络的流量负载，减小蜂窝链路和D2D链路之间的跨层干扰，提高网络性能。
-
Patent Agency Ranking
公开(公告)号：CN110086515A
公开(公告)日：2019-08-02
申请号：CN201910339175.8
申请日：2019-04-25
Applicant: 南京邮电大学
IPC: H04B7/0413 , H04B7/0456 , H04B7/06
Abstract: 本发明公开了一种MIMO-NOMA系统上行预编码设计方法，在提出的方案中，首先，根据各用户数据流配置、用户信号传播距离与基站天线数目，将用户从近至远分成多组；其次，联合设计同一组用户的预编码矩阵与基站处的最小均方误差(MMSE)均衡器来提高系统的功率效率，同一组中用户工作复用模式，不同组用户工作在NOMA模式，并采用串行干扰删除技术移除已解调用户组的干扰。再次，在同一组用户的预编码设计中，将预编码设计分为波束成形矩阵设计与功率分配矩阵设计，本发明提出了波束成形矩阵与功率分配矩阵设计的闭合解；相比于传统分簇MIMO-NOMA传输方案，本发明提出MIMO-NOMA预编码方案可以显著降低系统发射功耗。
-
公开(公告)号：CN109347773A
公开(公告)日：2019-02-15
申请号：CN201811450910.4
申请日：2018-11-30
Applicant: 南京邮电大学
CPC classification number: H04L25/03159 , H04L27/01 , H04L27/265 , H04L27/38
Abstract: 本发明公开了一种多用户上行广义频分多址（GFDM）接入系统的接收机设计方法。具体步骤如下：将移除循环前缀后的时域接收信号变换成频域信号；分离多用户频域信号并分别实施频域信道均衡；对各用户信号实施截尾与加和操作，构建GFDM频域调制矩阵的块循环结构；采用离散傅立叶变换（DFT）/离散傅立叶反变换（IDFT）与一阶均衡器对各用户重构的信号实施均衡，获取各个用户的解调信号。相比于传统的迫零接收机，本发明大幅降低了接收机的计算复杂度，而且可以获得与传统接收机几乎相同的误符号率性能。
-
公开(公告)号：CN119653396B
公开(公告)日：2025-04-29
申请号：CN202510169211.6
申请日：2025-02-17
Applicant: 南京邮电大学
IPC: H04W24/02 , H04B7/0426 , H04B7/0452
Abstract: 本发明公开一种去蜂窝大规模MIMO系统的下行谱效与能效联合优化方法，主要包括：基于去蜂窝大规模MIMO系统，获得该系统的下行频谱效率和能量效率的表达式，并定义资源效率的表达式；建立了资源效率最大化优化问题，然后利用连续凸近似技术将原问题转换为标准几何规划，最后基于黄金搜索法迭代求解了所得几何规划问题，获得了最优下行传输功率分配方案。本发明通过利用信道统计信息优化下行传输功率，同时提升了去蜂窝大规模MIMO系统的频谱效率和能量效率，有效地实现了谱效与能效之间的折中，提高了去蜂窝大规模MIMO系统中无线资源的利用率。
-
公开(公告)号：CN119629614A
公开(公告)日：2025-03-14
申请号：CN202411772543.5
申请日：2024-12-04
Applicant: 南京邮电大学
IPC: H04W12/02 , H04W4/42 , H04W12/121 , H04W12/122 , H04B7/04 , H04B17/391
Abstract: 本发明涉及一种基于智能反射面辅助的无人机隐蔽通信资源优化方法，构建了一个智能反射面与无人机协同的隐蔽通信场景，在满足窃听者检测概率最小的前提下，目标是最大化合法用户的最大平均速率，建立了无人机隐蔽通信的模型。初始化合法用户、窃听者、干扰机和无人机配置信息；构建了窃听者检测概率模型；初始化计算无人机轨迹和智能反射面初始相位；优化可重构智能反射面的反射元件相移、无人机的轨迹；若目标函数收敛，则得到用户最大平均速率、最佳相移和最佳无人机轨迹，反之，迭代次数加一并继续优化各个变量。该发明充分考虑了无人机的机动性、可重构智能反射面的移动性，并设置了干扰机来影响窃听者对合法信号的检测来提升用户的平均信息速率。
-
公开(公告)号：CN117479328A
公开(公告)日：2024-01-30
申请号：CN202311493006.2
申请日：2023-11-10
Applicant: 南京邮电大学
IPC: H04W72/50 , H04W72/543 , H04L41/16 , H04L41/14 , G06N3/092
Abstract: 本发明提供了一种基于深度强化学习的多模态无人机语义通信资源分配方法，该方法构造了多模态语义通信网络模型用于应对不同语义模态传输的需求；通过训练测试各模态语义收发器，获取各模态语义传输的精确度函数和近似语义熵；构造多模态无人机语义通信系统模型；以最大化服务质量和最小化传输损耗为目标，确定优化目标方程；根据优化目标方程，构建深度强化学习模型；构建混合决策强化学习网络，优化资源分配策略。本发明中的基于深度强化学习的多模态无人机语义通信资源分配方法，极大地提高了用户服务质量评价，并且有效降低了资源有限条件下的传输成本。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.024 seconds)
