公开(公告)号：CN110505643B

公开(公告)日：2022-12-02

申请号：CN201910897122.8

申请日：2019-09-23

Applicant: 杭州电子科技大学

Inventor： 方昕 ,  侯怡岑

IPC: H04W24/02 ,  H04B7/0413

Abstract: 本发明公开了一种基于模拟退火算法的大规模MIMO系统上行能效优化方法，包括步骤：S1：通过最小均方误差(Minimum Mean Squared Error，简称MMSE)信道估计，从基站接收到的导频信号中可推导出未量化信号的协方差矩阵。S2：信号经过量化系统，根据Bussgang理论与MMSE信道估计可得量化后系统噪声的协方差矩阵，由香农公式可得量化后的系统容量下限。通过以上公式，可得到系统的频谱效率。S3：根据能量效率的定义，得到大规模MIMO系统上行能量效率。S4：构建模拟退火算法模型，设计合理的退火参数，并进行求解最优值。本方法计算速度快速，鲁棒性强，并且不会陷入局部极值，执行效率更高。

公开(公告)号：CN109919374A

公开(公告)日：2019-06-21

申请号：CN201910154140.7

申请日：2019-03-01

Applicant: 杭州电子科技大学

Inventor： 方昕 ,  侯怡岑

IPC: G06Q10/04 ,  G06Q40/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于APSO-BP神经网络的股票预测方法，包括数据预处理、构建APSO-BP神经网络预测模型。首先，在收集的股票数据中提取有效特征并进行数据预处理，形成特征数据样本集。然后，构建合适的BP神经网络模型。之后使用自适应变异粒子群算法(APSO)优化该BP神经网络的初始权重和阈值，从而得到最终的APSO-BP神经网络预测模型。本发明方法的预测精度更高，并且不会陷入局部极值，收敛速度快，预测时间短，从而执行效率更高。

公开(公告)号：CN110505643A

公开(公告)日：2019-11-26

申请号：CN201910897122.8

申请日：2019-09-23

Applicant: 杭州电子科技大学

Inventor： 方昕 ,  侯怡岑

IPC: H04W24/02 ,  H04B7/0413

Abstract: 本发明公开了一种基于模拟退火算法的大规模MIMO系统上行能效优化方法，包括步骤：S1：通过最小均方误差(Minimum Mean Squared Error，简称MMSE)信道估计，从基站接收到的导频信号中可推导出未量化信号的协方差矩阵。S2：信号经过量化系统，根据Bussgang理论与MMSE信道估计可得量化后系统噪声的协方差矩阵，由香农公式可得量化后的系统容量下限。通过以上公式，可得到系统的频谱效率。S3：根据能量效率的定义，得到大规模MIMO系统上行能量效率。S4：构建模拟退火算法模型，设计合理的退火参数，并进行求解最优值。本方法计算速度快速，鲁棒性强，并且不会陷入局部极值，执行效率更高。