-
公开(公告)号：CN114158055B
公开(公告)日：2022-11-15
申请号：CN202111482899.1
申请日：2021-12-07
Applicant: 杭州电子科技大学
IPC: H04W16/18
Abstract: 本发明公开了一种提高网络可扩展度的用户关联方法及系统，本发明方法按如下步骤：步骤1：确定APG候选集及gk，同时初始化用户k的APG表示为与用户k间性能最好的AP称为主AP，记为gk；步骤2：APG合并，并更新步骤3：AP选择退出的APG，并更新步骤4：验证用户速率性能。与现有技术相比，本发明所提策略以较小的用户速率损失为代价，提高了网络可扩展度；并且，随着用户关联AP数上限的增大，本发明所提策略的可扩展度性能优势越明显。
-
公开(公告)号：CN112737647B
公开(公告)日：2022-07-08
申请号：CN202011560887.1
申请日：2020-12-25
Applicant: 杭州电子科技大学
IPC: H04B7/0413 , H04B7/0456 , H04B17/391
Abstract: 本发明公开了一种基于混合连接的毫米波大规模MIMO混合预编码算法。以毫米波大规模MIMO为研究背景，最大化系统频谱效率为目标函数，采用混合连接系统结构，分为两个阶段设计混合预编码矩阵，第一阶段首先以等效信道增益最大化为目标函数求取模拟预编码矩阵，为降低算法复杂度，还提出了一种共轭信道相位共享方案求取模拟预编码矩阵，第二阶段，在求得模拟预编码矩阵的基础上，将使系统总的频谱效率最大化分解为使各个子阵频谱效率之和最大化，以此求得数字预编码矩阵，最终得到混合预编码矩阵，本发明相对以往算法，不需要满足数据流数与射频链路数相等的约束，且能获得更好的系统性能。
-
公开(公告)号：CN113094650B
公开(公告)日：2022-06-24
申请号：CN202110373124.4
申请日：2021-04-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于有限增量定理的种群平衡系统及方法，本发明方法具体步骤如下：步骤1，选择功能反应函数，建立数学模型；步骤2，根据数学模型，求解捕食者和被捕食者物种模型的平衡点；步骤3，根据平衡点以及有限增量定理，求解增量矩阵；步骤4，通过Liapunov定理对增量矩阵进行分析，得到捕食者和被捕食者种群平衡的区域。本发明对被捕食者和捕食者种群数量进行估计，通过有限增量定理，运用Liapunov定理，求解出种群平衡的区域，然后通过数值模拟验证该方法的正确性。
-
公开(公告)号：CN114221745A
公开(公告)日：2022-03-22
申请号：CN202111612736.0
申请日：2021-12-27
Applicant: 杭州电子科技大学
IPC: H04L5/00 , H04B7/0413
Abstract: 本发明公开了一种多小区系统中结合调制阶数的导频分配方法及系统，方法包括如下步骤：步骤S1，将用户类别划分为完全复用导频的I类用户和不能完全复用导频的II类用户；步骤S2，把导频集合分割为互不重叠的两个子集，其中第一子集的正交导频的数量等于参考小区的I类用户的数量；步骤S3，为参考小区的I类用户随机分配第一子集的正交导频，其他小区的I类用户与参考小区的I类用户共享第一子集的正交导频；步骤S4，为参考小区的II类用户随机分配第二子集的正交导频，其他小区的II类用户配成导频复用对的，与参考小区的II类用户共享一个正交导频。本发明能有效避免导频污染对系统容量的影响，降低系统的误码率。
-
公开(公告)号：CN107994929B
公开(公告)日：2021-04-13
申请号：CN201711284364.7
申请日：2017-12-07
Applicant: 杭州电子科技大学
IPC: H04B7/024 , H04B7/0413
Abstract: 本发明公开了一种大规模天线系统的调制方式协同方法。本发明步骤如下：步骤1.设定小区总数量为L，每个小区一个基站，每个基站M根天线，各个小区的用户发送上行导频序列以供基站完成信道估计，之后在第l个小区的第k个用户对发送的信号采用QAM调制；步骤2.计算所有小区的第k个用户的关系式γki；步骤3.在步骤2中得到的可用调制方式里面，选出使得最大的最优调制方式Nk1,Nk2,...,NkL。本发明通过计算用户的调制方式与路径衰落的制约关系，得出各个用户可用的最大调制阶数，可以有效的提高系统容量、减轻大规模天线系统的用户间干扰、降低接收端解调发送端信号的误码率。
-
Patent Agency Ranking
公开(公告)号：CN111313946A
公开(公告)日：2020-06-19
申请号：CN202010111996.9
申请日：2020-02-24
Applicant: 杭州电子科技大学
Abstract: 本发明一种基于低精度ADC的大规模MIMO能效优化方法，通过联合优化基站天线数、单用户发射功率和量化精度，并限制单个用户的发射功率和数据传输速率，以此建立起能效优化的目标函数。根据分数规划理论将分式形式的目标函数转换为等价的减式形式，实现非凸问题到凸问题的转化，并利用拉格朗日函数将有约束的凸优化问题转换为无约束问题，采用Dinkelbach算法对基站天线数、单用户发射功率和量化精度进行循环迭代优化，以达到能效最大化。通过采用本发明中的动态功率分配方案，可以在满足用户最高发射功率限制和最低数据传输速率的要求下，根据用户信道条件的差异动态分配单个用户的发射功率，资源得到更加合理的分配。
-
公开(公告)号：CN111082902A
公开(公告)日：2020-04-28
申请号：CN201911102204.5
申请日：2019-11-12
Applicant: 杭州电子科技大学
IPC: H04L1/20 , H04B17/309
Abstract: 本发明公开了一种基于大数据统计特性的大规模天线系统的信号检测方法。本发明将系统中两两相邻的N个小区作为一个区群，区群中不同的小区采用不同的频率。首先，发送端在发送数据信号之前，先将星座图中的数据点集合S(s1,s2,...,sL)按顺序发出，接收端记录接收到的数据信息集合Z(z1,z2,...,zL)，建立S和Z之间的对应关系表。然后，发送端发送数据信息，接收端根据接收到的数据信息y，根据大数据统计特性，从集合Z中找到与y距离最小的 根据S和Z之间的对应关系表估计出发射信号为 其中N越大小区间的干扰越小，信号检测效果越好。需要说明的是，该方法不但适用于TDD系统和FDD这些半双工系统，还适用于全双工系统。
-
公开(公告)号：CN106411914B
公开(公告)日：2020-03-20
申请号：CN201610916015.1
申请日：2016-10-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了利用记忆分布式最小二乘法对网络参数进行估计的方法。本发明包括如下步骤：步骤1：初始化：对于任意一个节点l，其网络中待估计参数ω的初始估计值ωl,0为0。步骤2：在时刻i，网络中每个节点l获取测量信息{xl,j,yl,j}；步骤3：在时刻i，每个节点l计算从时刻i‑i0+1到时刻i的互相关函数之和αl,i与自相关函数之和βl,i；步骤4：每个节点将其在步骤3中的计算结果传输到邻近节点，任意节点k根据如下公式得到未知待估参数ω的预估计，记为步骤5：每个节点k将步骤4中其邻近节点的预估计值结合起来获得估计结果ωk,i。本发明充分利用了各个节点的历史测量信息，使得估计值更接近于真实值，收敛速度更快，均方误差更小。
-
公开(公告)号：CN110011777A
公开(公告)日：2019-07-12
申请号：CN201910362775.6
申请日：2019-04-30
Applicant: 杭州电子科技大学
IPC: H04L5/00 , H04B7/0452
Abstract: 本发明公开了一种大规模MIMO中基于用户位置和用户分类的导频分配。本发明通过用户到基站的AOA和路径损耗将用户进行分类，然后按照规则进行导频分配；首先基于路径损耗和到达角设计目标函数，计算出通信系统中所有用户的目标函数；设置阈值，将所有用户的目标函数与所设阈值进行比较，并将用户分成两类：小于阈值的用户被认为是高干扰用户，反之低干扰用户；然后为高干扰用户分配正交导频，低干扰用户由于干扰很低，按目标函数大小进行排序并分别分配导频。相较于传统导频分配方案只考虑目标小区的性能，本发明中的导频分配方案考虑整个通信系统中所有小区的性能。通过仿真结果可以看出，本发明所提导频分配方案有效提升了系统整体性能。
-
公开(公告)号：CN118232972A
公开(公告)日：2024-06-21
申请号：CN202410376721.6
申请日：2024-03-29
Applicant: 杭州电子科技大学
IPC: H04B7/0456 , H04B7/0413
Abstract: 本发明公开了一种基于QR分解与波束增益对准的混合预编码方法。本发明基于透镜天线阵列的毫米波大规模MIMO系统，包括如下步骤：首先根据波束空间信道的稀疏性和功率分布构造候选波束集，对波束信道进行降维，生成一个新的波束选择搜索空间。其次对波束信道矩阵进行QR分解，以可达和速率为目标，按照递增的顺序逐一选择合适的波束，直至选出最优波束选择矩阵。最后利用波束增益对准策略设计模拟预编码，消除系统中的多用户干扰。本发明设计有使信道对角化的数字预编码器，利用QR分解与波束增益对准策略缓解功率泄露和用户干扰问题，有效提升系统性能，并且所提方案有着更高的能量效率，在不损失系统性能的前提下，节省了硬件成本，降低了系统功耗。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.027 seconds)
