-
公开(公告)号：CN1921368A
公开(公告)日：2007-02-28
申请号：CN200510096597.5
申请日：2005-08-25
Applicant: 松下电器产业株式会社 , 北京邮电大学
Abstract: 一种用于宽带无线通信系统的高速且高可靠性的多层自动重发请求协议。在该协议中，在MAC帧丢失时的传输的情况下，MAC使用N信道SAW/H－ARQ错误恢复机制来获得丢失的MAC帧。在MAC层，最大容许重发次数被设定为有限，MAC－ARQ在经过最大容许重发次数的发送后仍无法正确地发送帧时，获得帧的责任被传送到RLP层。使用RLP层的新的ARQ方案将失败的帧恢复。这个步骤持续进行到从RLP层接收的一个分组的NAK数达到最大容许重发次数为止。
-
-
公开(公告)号：CN1921464B
公开(公告)日：2010-05-05
申请号：CN200510096521.2
申请日：2005-08-22
Applicant: 松下电器产业株式会社 , 北京邮电大学
Abstract: 子载波选择部(107)从组成信号的n条子载波中任意选择m条子载波。滤波器系数计算部(108)对由子载波选择部(107)选择出的m条子载波的信号计算用于信道预测的滤波器系数。滤波器系数平均部(301)对m个滤波器系数进行平均。信道预测部(109)利用平均后的滤波器系数预测所有子载波的未来信道频率响应。
-
公开(公告)号：CN1921464A
公开(公告)日：2007-02-28
申请号：CN200510096521.2
申请日：2005-08-22
Applicant: 松下电器产业株式会社 , 北京邮电大学
Abstract: 子载波选择部(107)从组成信号的n条子载波中任意选择m条子载波。滤波器系数计算部(108)对由子载波选择部(107)选择出的m条子载波的信号计算用于信道预测的滤波器系数。滤波器系数平均部(301)对m个滤波器系数进行平均。信道预测部(109)利用平均后的滤波器系数预测所有子载波的未来信道频率响应。
-
公开(公告)号：CN1921368B
公开(公告)日：2011-05-04
申请号：CN200510096597.5
申请日：2005-08-25
Applicant: 松下电器产业株式会社 , 北京邮电大学
Abstract: 一种用于宽带无线通信系统的高速且高可靠性的多层自动重发请求协议。在该协议中，在MAC帧丢失时的传输的情况下，MAC使用N信道SAW/H-ARQ错误恢复机制来获得丢失的MAC帧。在MAC层，最大容许重发次数被设定为有限，MAC-ARQ在经过最大容许重发次数的发送后仍无法正确地发送帧时，获得帧的责任被传送到RLP层。使用RLP层的新的ARQ方案将失败的帧恢复。这个步骤持续进行到从RLP层接收的一个分组的NAK数达到最大容许重发次数为止。
-
Patent Agency Ranking
公开(公告)号：CN119893588A
公开(公告)日：2025-04-25
申请号：CN202411583403.3
申请日：2024-11-07
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于区块链的边缘智能系统资源管理方法，包括系统控制器感知当前用户设备人工智能任务信息以及系统当前无线环境信息；同时系统控制器感知用户设备、边缘服务器和云服务器的计算资源信息；通过无线连接将相关信息从相应的设备上传到系统控制器；将当前人工智能任务信息以及系统当前无线环境信息输入到部署于系统控制器中的已训练完毕的优化模型当中，计算基于当前状态下的用户设备发射功率控制、人工智能任务数据量控制、用户设备人工智能任务卸载决策，以及人工智能任务的推理过程和区块生成过程所要使用的计算资源分配情况，并传递到各计算实体执行；本发明利用任务卸载和计算资源分配算法，提升系统效率和用户体验。
-
公开(公告)号：CN119485214A
公开(公告)日：2025-02-18
申请号：CN202411581779.0
申请日：2024-11-07
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于移动和停放车辆辅助的车‑边协同任务卸载与资源分配方法，网络控制器感知当前所有设备任务信息以及系统当前无线环境信息，将当前任务信息以及系统无线环境信息输入到部署于网络控制器中的已训练完毕的优化模型当中，计算基于当前状态下设备任务卸载决策和资源分配情况；根据得到的设备任务卸载决策信息，决定设备任务在基站的边缘服务器上执行还是在对应基站下的移动或停放车辆上执行；本发明综合考虑了设备任务的卸载决策，分配设备的传输功率，并分配边缘服务器的计算资源和在最大成本的约束条件下分配车辆的计算资源以最小化所有任务处理延迟和设备能耗的加权和，利用任务卸载和资源分配算法，提升系统效率和用户体验。
-
公开(公告)号：CN118890661A
公开(公告)日：2024-11-01
申请号：CN202410825267.8
申请日：2024-06-25
Applicant: 北京邮电大学
Abstract: 本申请提供一种智能反射面辅助的无线传输方法及系统，在任意确定的基站、智能反射面以及用户分布条件下，对全部用户根据信道增益排序，确定预设OMA/NOMA用户对。采用基于元素分组的智能反射面对用户的通信进行辅助，建立基于系统和速率最大化的优化目标；目标分解为智能反射面元素分组、智能反射面子表面与用户组匹配、智能反射面相位优化、用户配对和用户混合接入方式子问题。根据预设用户对，对智能反射面的反射元素进行分组；基于分组后的智能反射面元素IRS到用户链路的信道状态信息，确定各子表面与预设用户对的配对关系。确定最优相位角；对用户分层，多层用户在层之间交替耦合配对；确定采用NOMA接入的最小信噪比差值条件。
-
公开(公告)号：CN118740235A
公开(公告)日：2024-10-01
申请号：CN202410670163.4
申请日：2024-05-28
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于深度强化学习的多中继节点联合优化方法及装置。该方法在任务节点执行任务逐渐远离指挥中心时，由指挥中心智能体根据其采集到的状态决定中继节点的发出或收回，保持中继链路中适当的节点数量，同时中继节点智能体根据其采集到的状态输出下一步的加速度以优化链路状态，两者相互配合完成对中继链路的优化，使中继链路在保持畅通的情况下获得更高的链路质量和更低的运行能耗，并同时保持较低的节点数量。在训练过程中智能体通过带优先级权重的经验池、延迟更新的目标网络和噪声探索等方式快速收敛并能更灵活有效地完成中继优化的任务。
-
公开(公告)号：CN118466505A
公开(公告)日：2024-08-09
申请号：CN202410635738.9
申请日：2024-05-21
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于多目标优化与DNN优先级排序的多机器人路径规划方法。首先，使用二维平面网格方法建立环境模型并初始化参数；接着，采用随机A*方法和混沌映射法混合初始化各机器人种群，通过决策标量函数和角度拥挤度估计对各种群进行交配池选择，随后执行交叉、变异和适应度计算。对各种群路径进行角度支配排序并挑选最好的一组路径作为备选路径，通过训练好的DNN获得多机器人冲突风险度最小的机器人优先级序列。按照优先级分别挑选各自冲突风险度最小的路径作为最优路径，之后进行冲突消解，最后使用非均匀有理B样条方法平滑处理路径。此方法能有效平衡多目标函数，提升多机器人在复杂环境下的协同效率和安全性。
-
-
-
-
-
-
-
-
-
Search Results
514
records
(took 0.041 seconds)
