-
公开(公告)号：CN107801190A
公开(公告)日：2018-03-13
申请号：CN201710874020.5
申请日：2017-09-25
Applicant: 同济大学
CPC classification number: H04W16/14 , H04L25/0222 , H04L27/0006
Abstract: 本发明涉及一种基于HDP-NSHMM的频谱感知方法，采用分层狄利克雷过程-非平稳隐马尔可夫模型对历史感知数据进行融合和聚类，在聚类循环中，在当前状态的保持时间较短时，设置较大的自转移偏移参数，以保证其状态不会随时间快速变化，而随着当前状态保持时间的增长，减小自转移偏移参数，从而减小状态的自转移概率，使其更有可能选择转移到不同的状态。与现有技术相比，本发明通过与聚类类别保持时间相关的自转移偏移参数调整状态自转移概率，对于信道状态的变化能够更准确的判断，通过固定的状态类别可避免冗余状态的出现，提高了历史感知数据聚类准确性，从而具有更高的感知性能，提高了频谱判决准确性。
-
Patent Agency Ranking
公开(公告)号：CN105282073B
公开(公告)日：2019-05-14
申请号：CN201510609213.9
申请日：2015-09-23
Applicant: 同济大学
IPC: H04L27/00 , H04W84/18 , H04B17/391
Abstract: 本发明涉及一种基于认知无线电的车联网通信方法，包括步骤：1)建立狄利克雷模型，用于描述每一时刻来自不同车辆的感知数据之间的相关性；2)根据狄利克雷模型建立隐马尔科夫模型，用于描述观测值和隐蔽信道状态之间的关系；3)根据隐马尔科夫模型，根据下一信道状态更倾向于与前一信道相同的状态，确定信道状态转移概率；4)根据获得的信道转移概率，得到下一路段信道的可用性。与现有技术相比，本发明在CR‑VANET中采用机器学习算法，将充分利用历史频谱感知数据库，利用狄利克雷过程和非参数的隐马尔可夫模型，进而利用频谱数据和隐藏的信道状态之间的关系，提高通信效率。
-
公开(公告)号：CN104113399A
公开(公告)日：2014-10-22
申请号：CN201410336019.3
申请日：2014-07-15
Applicant: 同济大学
Abstract: 本发明涉及一种多用户MIMO系统中基于矩阵条件数的用户选择方法，包括以下步骤：步骤S1：基于预编码矩阵对原始符号进行预编码处理，获得传输符号；步骤S2：发送端接收用户反馈的信道向量，利用基于矩阵条件数的半正交用户选择改进算法进行用户选择，每次迭代选定一个用户索引，此用户索引满足信道向量F范数平方值最大或矩阵条件数最小，获得性能最好的用户集合，构成射频链路，并发送传输符号。与现有技术相比，本发明具有发送端的等功率分配、有限的动态变化范围以及能减少硬件压力等优点，比传统算法的性能要好，能挑选出更具有正交性的用户，从而减小各个用户之间的干扰。
-
公开(公告)号：CN107801190B
公开(公告)日：2021-10-08
申请号：CN201710874020.5
申请日：2017-09-25
Applicant: 同济大学
Abstract: 本发明涉及一种基于HDP‑NSHMM的频谱感知方法，采用分层狄利克雷过程‑非平稳隐马尔可夫模型对历史感知数据进行融合和聚类，在聚类循环中，在当前状态的保持时间较短时，设置较大的自转移偏移参数，以保证其状态不会随时间快速变化，而随着当前状态保持时间的增长，减小自转移偏移参数，从而减小状态的自转移概率，使其更有可能选择转移到不同的状态。与现有技术相比，本发明通过与聚类类别保持时间相关的自转移偏移参数调整状态自转移概率，对于信道状态的变化能够更准确的判断，通过固定的状态类别可避免冗余状态的出现，提高了历史感知数据聚类准确性，从而具有更高的感知性能，提高了频谱判决准确性。
-
公开(公告)号：CN104113399B
公开(公告)日：2017-12-15
申请号：CN201410336019.3
申请日：2014-07-15
Applicant: 同济大学
Abstract: 本发明涉及一种多用户MIMO系统中基于矩阵条件数的用户选择方法，包括以下步骤：步骤S1：基于预编码矩阵对原始符号进行预编码处理，获得传输符号；步骤S2：发送端接收用户反馈的信道向量，利用基于矩阵条件数的半正交用户选择改进算法进行用户选择，每次迭代选定一个用户索引，此用户索引满足信道向量F范数平方值最大或矩阵条件数最小，获得性能最好的用户集合，构成射频链路，并发送传输符号。与现有技术相比，本发明具有发送端的等功率分配、有限的动态变化范围以及能减少硬件压力等优点，比传统算法的性能要好，能挑选出更具有正交性的用户，从而减小各个用户之间的干扰。
-
公开(公告)号：CN105282073A
公开(公告)日：2016-01-27
申请号：CN201510609213.9
申请日：2015-09-23
Applicant: 同济大学
IPC: H04L27/00 , H04W84/18 , H04B17/391
CPC classification number: H04L27/0006 , H04B2201/692 , H04W84/18
Abstract: 本发明涉及一种基于认知无线电的车联网通信方法，包括步骤：1)建立狄利克雷模型，用于描述每一时刻来自不同车辆的感知数据之间的相关性；2)根据狄利克雷模型建立隐马尔科夫模型，用于描述观测值和隐蔽信道状态之间的关系；3)根据隐马尔科夫模型，根据下一信道状态更倾向于与前一信道相同的状态，确定信道状态转移概率；4)根据获得的信道转移概率，得到下一路段信道的可用性。与现有技术相比，本发明在CR-VANET中采用机器学习算法，将充分利用历史频谱感知数据库，利用狄利克雷过程和非参数的隐马尔可夫模型，进而利用频谱数据和隐藏的信道状态之间的关系，提高通信效率。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
