公开(公告)号：CN118413843A

公开(公告)日：2024-07-30

申请号：CN202410315156.2

申请日：2024-03-19

Applicant: 西安电子科技大学

Inventor： 张阳 ,  王艺博 ,  任亚欣 ,  尚明浩 ,  刘泽瑜

IPC: H04W16/18 ,  H04W24/02 ,  H04B7/06 ,  H04B7/08

Abstract: 一种STAR‑RIS辅助上行NOMA系统的资源分配与STAR‑RIS位置部署设计方法、系统、设备及介质，方法包括：根据STAR‑RIS可以同时透射和反射的特性，建立STAR‑RIS辅助的无线网络系统模型，并给出一种低复杂度的NOMA解码策略，建立系统和速率模型，再将系统和速率模型作为优化目标，针对STAR‑RIS所有可能的操作协议，以BS的接收波束赋形、STAR‑RIS的被动波束赋形、通信时间分配系数、以及STAR‑RIS的部署位置为优化变量，建立资源分配与部署位置的优化问题，最后利用基于分式规划理论交替算法对问题求解；系统、设备及介质，用于实现STAR‑RIS辅助上行NOMA系统的资源分配与STAR‑RIS位置部署方法；对STAR‑RIS部署位置及系统资源分配联合优化，提高系统和速率。

公开(公告)号：CN116192666A

公开(公告)日：2023-05-30

申请号：CN202310094945.3

申请日：2023-02-09

Applicant: 西安电子科技大学

Inventor： 杨帆 ,  赖佳洪 ,  宋文超 ,  任亚欣

IPC: H04L41/147 ,  H04L41/12 ,  H04L41/14 ,  H04L41/16

Abstract: 本发明提供了一种基于时空相关的网络节点和链路剩余资源预测方法，根据网络节点以及节点之间链路的拓扑关系，构建网络拓扑的节点链路连接图；通过节点链路连接图构建了节点链路邻接矩阵，综合考虑网络中节点和链路之间的相关性；通过利用图卷积网络GCN与门控循环单元GRU，根据Seq2Seq模型结构，构成改进型的S‑GRU神经网络模型；通过训练改进型的S‑GRU神经网络模型，利用图卷积网络GCN学习了数据特征的空间特性，利用门控循环单元GRU学习了数据特征的时间特性，有助于获得更高的预测精度，利用Seq2Seq模型结构，提升了多步预测的预测精度。本发明与现有技术相比，挖掘到的数据特征的特性更加全面，实现了更精确的预测。