-
公开(公告)号：CN112566159B
公开(公告)日：2022-12-27
申请号：CN202011361675.0
申请日：2020-11-27
Applicant: 暨南大学
IPC: H04W24/02 , H04B7/0456
Abstract: 本发明公开了一种基于MIMO‑NOMA的增强型小蜂窝下行通信方法，该方法包含以下步骤：首先，获取基站、NOMA用户以及NOMA配对策略等相关初始化参数以及信道的统计状态信息；然后利用干扰对齐技术进行NOMA远近用户的接收线性滤波器的设计；继而确定基站端的预编码矩阵；最后，在给定最大可容许的中断概率条件下，通过最大化长期平均吞吐量来优化设计所有NOMA用户的传输速率。与现有的方法如有预编码的MIMO‑OMA、无预编码MIMO‑OMA、以及无预编码MIMO‑NOMA相对比，本发明所提出方法可以有效提升吞吐量，尤其在NOMA用户对的信道差异越显著时表现更优。
-
公开(公告)号：CN108631965B
公开(公告)日：2020-09-04
申请号：CN201810457440.8
申请日：2018-05-14
Applicant: 暨南大学
IPC: H04L1/18 , H04L1/00 , H04B17/391 , H04B17/382 , H04B17/336
Abstract: 本发明一种公开了HARQ‑IR在相关莱斯衰落场景下的吞吐量最大化设计方法，实现了存在直视路径和时间相关性条件下发送功率和传输速率的优化设计方案。该方案基本思想是利用趋近性分析结果来最大化吞吐量同时约束最大平均总发送功率，步骤如下：首先根据信道状态信息的统计特征推导趋近性中断概率；结合功率约束构建吞吐量最大化问题，利用趋近性分析结果将优化问题分解成两个子优化问题，即功率分配和速率选择；最后根据最优功率和速率选择合理的传输方案。与瑞利衰落场景相比，存在直视路径的莱斯衰落有利于提高系统性能，而相比于传统方法，采用趋近性中断概率进行优化不但降低计算复杂度，同时也不损失系统性能。
-
公开(公告)号：CN108600997B
公开(公告)日：2020-09-04
申请号：CN201810286303.2
申请日：2018-04-03
Applicant: 暨南大学
Abstract: 本发明公开了一种基于HARQ辅助NOMA的大规模D2D通信方法，该方法首先利用随机几何方法分析大规模D2D网络中叠加干扰对中断概率的影响，然后利用中断概率与频谱效率之间的关系，推导出频谱效率的具体表达式；最后基于这些理论分析结果构建资源分配的优化问题：通过合理设置不同D2D用户的信息传输速率甚至占用相同时频资源D2D终端的分布密度来最大化频谱效率(吞吐量或空间频谱利用率)并同时保证通信的可靠性。仿真和数值结果显示，本发明所提供的协作方式应用方案比非协作方式在中断概率上降低了23％，此外，应用非正交多址接入技术比应用正交多址接入技术在频谱效率上提高了17％。
-
公开(公告)号：CN110809313A
公开(公告)日：2020-02-18
申请号：CN201911015085.X
申请日：2019-10-24
Applicant: 暨南大学
Abstract: 本发明公开了一种HARQ辅助NOMA技术的下行功率分配方法，该方法实现步骤如下：首先面向超可靠高能效通信来构建基于三种基本类型HARQ辅助NOMA技术的下行功率分配的优化问题，并利用分集阶数进行简化；然后分别求解三种HARQ类型所对应优化问题的最优功率分配因子以及系统最大最小化分集阶数；紧接着根据最大最小化分集阶数来确定适合的HARQ类型以降低复杂度和开销；最后采用功率域叠加编码技术进行多用户复用。该方法通过运用分集阶数来替代中断概率从而避免了难以解析求解优化问题的难题，不但充分降低了计算复杂度，而且有效提高通信可靠性。
-
公开(公告)号：CN111241908B
公开(公告)日：2023-04-14
申请号：CN201911172403.3
申请日：2019-11-26
Applicant: 暨南大学
Abstract: 本发明提供一种基于深度卷积神经网络的幼禽生物特征识别装置，包括：幼禽定位模块，包括级联的多个卷积神经网络子模块和至少一个全连接层子模块，幼禽定位模块输入包含有幼禽的原图像，经运算后输出幼禽在原图像中的预测的位置信息；剪裁模块，根据位置信息对原图像执行裁剪处理，输出裁剪大部分背景后的幼禽外观图像；以及识别模块，包括级联的至少由第一卷积神经网络子模块、扩展卷积子模块以及第二卷积神经网络子模块级联构成的识别子模块，和至少一个全连接层子模块，所述识别模块输入所述幼禽外观图像，经运算后输出识别结果。如此，本通过卷积层的递增完成由粗到细的特征提取过程，能够高精度地完成识别。
-
Patent Agency Ranking
公开(公告)号：CN110809313B
公开(公告)日：2022-07-05
申请号：CN201911015085.X
申请日：2019-10-24
Applicant: 暨南大学
Abstract: 本发明公开了一种HARQ辅助NOMA技术的下行功率分配方法，该方法实现步骤如下：首先面向超可靠高能效通信来构建基于三种基本类型HARQ辅助NOMA技术的下行功率分配的优化问题，并利用分集阶数进行简化；然后分别求解三种HARQ类型所对应优化问题的最优功率分配因子以及系统最大最小化分集阶数；紧接着根据最大最小化分集阶数来确定适合的HARQ类型以降低复杂度和开销；最后采用功率域叠加编码技术进行多用户复用。该方法通过运用分集阶数来替代中断概率从而避免了难以解析求解优化问题的难题，不但充分降低了计算复杂度，而且有效提高通信可靠性。
-
公开(公告)号：CN113645000B
公开(公告)日：2023-06-23
申请号：CN202110756727.2
申请日：2021-07-05
Applicant: 暨南大学
IPC: H04B17/391 , H04W28/02
Abstract: 本发明公开了一种面向移动到移动(M2M)通信的短包传输方法，该方法包含以下步骤：首先，获取M2M通信系统参数以及级联衰落信道环境参数；然后通过选择合适的调制后符号块长度来最大化有效吞吐量并给定平均误块率最大约束；最后利用平均误块率的渐进性表达式进行块长的优化求解。与现有的方法相比，本发明提出的短包传输方法考虑了实际M2M通信场景下级联散射的负面效应，以及面向低时延、低功耗目标的短包通信需求，基于平均误块率的渐进式的优化算法在复杂度方面具有显著优势。
-
公开(公告)号：CN113645000A
公开(公告)日：2021-11-12
申请号：CN202110756727.2
申请日：2021-07-05
Applicant: 暨南大学
IPC: H04B17/391 , H04W28/02
Abstract: 本发明公开了一种面向移动到移动(M2M)通信的短包传输方法，该方法包含以下步骤：首先，获取M2M通信系统参数以及级联衰落信道环境参数；然后通过选择合适的调制后符号块长度来最大化有效吞吐量并给定平均误块率最大约束；最后利用平均误块率的渐进性表达式进行块长的优化求解。与现有的方法相比，本发明提出的短包传输方法考虑了实际M2M通信场景下级联散射的负面效应，以及面向低时延、低功耗目标的短包通信需求，基于平均误块率的渐进式的优化算法在复杂度方面具有显著优势。
-
公开(公告)号：CN109257144B
公开(公告)日：2021-03-19
申请号：CN201811184381.8
申请日：2018-10-11
Applicant: 暨南大学
Abstract: 本发明公开了一种低复杂度的可变速率增量冗余混合自动重发请求(HARQ‑IR)的设计方法，属于无线通信技术领域。该方法步骤如下：首先通过设计HARQ‑IR的每轮传输速率来实现频谱效率最大化并保证低中断概率；为降低计算复杂度和拓展适用范围，采用贝克曼信道模型来推导可变速率HARQ‑IR的中断概率及频谱效率的近似表达式，进而代入原问题；接下来采用交替迭代算法将优化问题解耦成一系列单变量子优化问题；最后应用凹分式优化技术将每个子优化问题转换成凸问题进行全局求解，迭代执行Dinkelbach算法直至每个子问题收敛。相比于传统常速率HARQ‑IR的精确设计方法，本方法适用范围广、复杂度低以及频谱效率高。
-
公开(公告)号：CN109257144A
公开(公告)日：2019-01-22
申请号：CN201811184381.8
申请日：2018-10-11
Applicant: 暨南大学
Abstract: 本发明公开了一种低复杂度的可变速率增量冗余混合自动重发请求(HARQ-IR)的设计方法，属于无线通信技术领域。该方法步骤如下：首先通过设计HARQ-IR的每轮传输速率来实现频谱效率最大化并保证低中断概率；为降低计算复杂度和拓展适用范围，采用贝克曼信道模型来推导可变速率HARQ-IR的中断概率及频谱效率的近似表达式，进而代入原问题；接下来采用交替迭代算法将优化问题解耦成一系列单变量子优化问题；最后应用凹分式优化技术将每个子优化问题转换成凸问题进行全局求解，迭代执行Dinkelbach算法直至每个子问题收敛。相比于传统常速率HARQ-IR的精确设计方法，本方法适用范围广、复杂度低以及频谱效率高。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.019 seconds)
