-
公开(公告)号：CN113115327B
公开(公告)日：2022-12-02
申请号：CN202110239192.1
申请日：2021-03-04
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种网络性能动态优化的方法、装置、设备及存储介质，通过获取待优化区域的即时网络性能信息和预设的服务质量标准信息；根据即时网络性能信息和所述服务质量标准信息判断所述待优化区域的即时网络状态；根据所述即时网络状态调整并更新优先节点数量；通过判断出的不同即时网络状态对优先节点的数量调整，更新网络节点的数量网络性能进行优化，避免出现网络性能不满足用户需求的服务质量标准的风险或网络性能富余造成能耗和网络资源的浪费，实现网络性能、网络资源利用率以及网络能耗的均衡。
-
公开(公告)号：CN113890795A
公开(公告)日：2022-01-04
申请号：CN202111057350.8
申请日：2021-09-09
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO信道估计模型的构建方法、装置及介质，首先，接收n组在线信号数据；其次，通过深度学习提取预先获取的离线信号数据的高层语义特征和n组所述在线信号数据的高层语义特征，得到离线高层语义特征和n组在线高层语义特征；然后，将所述离线高层语义特征和n组所述在线高层语义特征分别输入至预先构建的n+1个神经网络中进行训练，得到初始信道估计模型和n个在线信道估计模型；最后，基于所述离线信号数据的误码率和n个所述在线信号数据的误码率，对所述初始信道估计模型和n个所述在线信道估计模型进行集成学习，得到最优信道估计模型。本发明能够减小系统开销，降低计算复杂度，实现自适应更新模型。
-
公开(公告)号：CN113890794B
公开(公告)日：2023-06-27
申请号：CN202111055892.1
申请日：2021-09-09
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO信道估计方法，包括：每当自适应采样周期到达时，获取当前接收信号；通过时域稀疏性原理和预设的转换规则对所述当前接收信号进行变换，得到恢复矩阵；基于相邻时刻同一子载波导频的时间相关性对所述恢复矩阵进行预测，得到所述恢复矩阵的多假设预测值和第一预测误差；根据多假设预测残差重构算法、所述恢复矩阵的多假设预测值和所述第一预测误差，得到重构后的恢复矩阵；对所述重构后的恢复矩阵进行解码恢复，得到信道估计结果。本发明还公开了一种大规模MIMO信道估计装置及存储介质，采用本发明实施例，能够降低大规模MIMO系统的计算复杂度，提高信道估计的精度。
-
公开(公告)号：CN113890795B
公开(公告)日：2023-06-23
申请号：CN202111057350.8
申请日：2021-09-09
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO信道估计模型的构建方法、装置及介质，首先，接收n组在线信号数据；其次，通过深度学习提取预先获取的离线信号数据的高层语义特征和n组所述在线信号数据的高层语义特征，得到离线高层语义特征和n组在线高层语义特征；然后，将所述离线高层语义特征和n组所述在线高层语义特征分别输入至预先构建的n+1个神经网络中进行训练，得到初始信道估计模型和n个在线信道估计模型；最后，基于所述离线信号数据的误码率和n个所述在线信号数据的误码率，对所述初始信道估计模型和n个所述在线信道估计模型进行集成学习，得到最优信道估计模型。本发明能够减小系统开销，降低计算复杂度，实现自适应更新模型。
-
公开(公告)号：CN113115327A
公开(公告)日：2021-07-13
申请号：CN202110239192.1
申请日：2021-03-04
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种网络性能动态优化的方法、装置、设备及存储介质，通过获取待优化区域的即时网络性能信息和预设的服务质量标准信息；根据即时网络性能信息和所述服务质量标准信息判断所述待优化区域的即时网络状态；根据所述即时网络状态调整并更新优先节点数量；通过判断出的不同即时网络状态对优先节点的数量调整，更新网络节点的数量网络性能进行优化，避免出现网络性能不满足用户需求的服务质量标准的风险或网络性能富余造成能耗和网络资源的浪费，实现网络性能、网络资源利用率以及网络能耗的均衡。
-
Patent Agency Ranking
公开(公告)号：CN113890794A
公开(公告)日：2022-01-04
申请号：CN202111055892.1
申请日：2021-09-09
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO信道估计方法，包括：每当自适应采样周期到达时，获取当前接收信号；通过时域稀疏性原理和预设的转换规则对所述当前接收信号进行变换，得到恢复矩阵；基于相邻时刻同一子载波导频的时间相关性对所述恢复矩阵进行预测，得到所述恢复矩阵的多假设预测值和第一预测误差；根据多假设预测残差重构算法、所述恢复矩阵的多假设预测值和所述第一预测误差，得到重构后的恢复矩阵；对所述重构后的恢复矩阵进行解码恢复，得到信道估计结果。本发明还公开了一种大规模MIMO信道估计装置及存储介质，采用本发明实施例，能够降低大规模MIMO系统的计算复杂度，提高信道估计的精度。
-
公开(公告)号：CN108460211A
公开(公告)日：2018-08-28
申请号：CN201810171820.5
申请日：2018-03-01
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: G06F17/50
Abstract: 本发明涉及一种通信铁塔的工程量测算方法、装置、计算机设备及存储介质，包括：获取待建通信铁塔的塔型以及地勘参数，根据所述塔型以及地勘参数确定待建通信铁塔的至少两套基础参数方案；针对各基础参数方案，计算待建通信铁塔包含的多个工程量模块各自对应的第一工程量测算值；根据多个工程量模块各自对应的第一工程量测算值，计算待建通信铁塔在对应基础参数方案下的第二工程量测算值；比较各基础参数方案下的第二工程量测算值，从至少两套基础参数方案确定出最优基础参数方案，获取最优基础参数方案对应的第二工程量测算值，作为待建通信铁塔的工程量测算值。上述技术方案，实现了高效测算建造通信铁塔的工程量。
-
公开(公告)号：CN119299613A
公开(公告)日：2025-01-10
申请号：CN202411234529.X
申请日：2024-09-04
Applicant: 中电科普天科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: H04N7/18 , H04N13/275 , G06V20/17
Abstract: 本发明涉及智能监控技术领域，涉及一种无人机建模与视频监控融合方法、装置、设备和介质；方法包括：对目标监控区域内的既有和规划中监控点位的信息进行收集；其中，监控点位的信息包括挂高、经纬度、理想倾斜角、方向角等；根据监控需求安排无人机飞行任务，收集目标区域的三维实景数据；将三维实景数据进行信息校验和几何定位，建立仿真模型；其中，信息校验包括机参数、经纬度、海拔高度和旋转角度的校验；将仿真模型与可视范围算法相结合进行仿真，生成覆盖效果图；其中，仿真考虑监控点位的经纬度、挂高等；根据覆盖效果图输出和展示监控点位的布局清单；其中，布局清单包括经纬度、挂高、水平与垂直方向角和实际倾斜角。
-
公开(公告)号：CN118036768A
公开(公告)日：2024-05-14
申请号：CN202410148779.5
申请日：2024-02-01
Applicant: 中电科普天科技股份有限公司 , 广州杰赛通信规划设计院有限公司 , 暨南大学
IPC: G06N20/00
Abstract: 本发明公开了一种联邦学习模型优化方法、设备、介质及程序产品，所述方法包括：获取边缘端采集的多属性数据，并计算边缘端的数据量因子、数据质量因子以及数据分布特征因子，从而得到边缘端的可信度；选取可信边缘端进行全局模型的参数更新；向可信边缘端发送第一全局参数，以使可信边缘端进行本地模型的训练，并得到本地模型参数；根据本地模型的平均误差以及预设的全局模型学习率，计算得到动态学习率；根据第一全局参数、动态学习率、可信边缘端的可信度以及本地模型参数，计算得到第二全局参数，实现全局模型的参数更新。本发明实施例解决了数据异构所导致的全局模型性能低下的问题，实现了全局参数更新速度和算法稳定度的平衡。
-
公开(公告)号：CN117728879A
公开(公告)日：2024-03-19
申请号：CN202410091420.9
申请日：2024-01-22
Applicant: 中电科普天科技股份有限公司 , 广州杰赛通信规划设计院有限公司 , 暨南大学 , 华南理工大学
Abstract: 本发明公开了一种卫星节点部署方法。该方法包括：计算卫星链路的数据传输速率、卫星网络的可靠性、业务总时延和负载均衡系数；基于数据传输速率、业务总时延、卫星网络的可靠性和负载均衡系数，构建以部署成本最小化为目标的目标函数；采用强化学习算法求解目标函数，得到卫星节点的最佳部署位置；根据最佳部署位置部署卫星节点。本发明通过采用主从协同的方式构建星地组网架构，基于数据传输速率、业务总时延、卫星网络的可靠性和负载均衡系数，构建目标函数，保证了部署成本的最小化，采用强化学习算法能够快速求解卫星节点的最佳部署位置。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.053 seconds)
