-
公开(公告)号：CN106254284B
公开(公告)日：2019-05-03
申请号：CN201610619150.X
申请日：2016-08-01
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
Abstract: 本发明公开了一种基于低轨卫星系统的快变信道估计方法，针对低轨卫星较大多普勒频移以及中继级联信道的时频双选特性，建立放大转发(AF，Amplify Forward)协议下级联信道的基扩展模型(BEM，Basis Expansion Model)，分析了适用于BEM模型的信道估计算法。首先根据归一化多普勒频偏和信噪比来判断要选用的BEM模型，然后利用信道稀疏特性选取最小二乘算法(LS)和线性最小均方误差算法(LMMSE)估计模型系数。本发明能够利用基扩展模型减少快变信道的待估参数，结合信道稀疏性和自适应混合BEM模型保证估计精度的同时降低椭圆基函数BEM(DPS‑BEM)模型和LMMSE算法的复杂度，从而实现高效准确估计。
-
公开(公告)号：CN106254284A
公开(公告)日：2016-12-21
申请号：CN201610619150.X
申请日：2016-08-01
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
CPC classification number: H04L25/0202 , H04L25/0222 , H04L27/2668
Abstract: 本发明公开了一种基于低轨卫星系统的快变信道估计方法，针对低轨卫星较大多普勒频移以及中继级联信道的时频双选特性，建立放大转发(AF，Amplify Forward)协议下级联信道的基扩展模型(BEM，Basis Expansion Model)，分析了适用于BEM模型的信道估计算法。首先根据归一化多普勒频偏和信噪比来判断要选用的BEM模型，然后利用信道稀疏特性选取最小二乘算法(LS)和线性最小均方误差算法(LMMSE)估计模型系数。本发明能够利用基扩展模型减少快变信道的待估参数，结合信道稀疏性和自适应混合BEM模型保证估计精度的同时降低椭圆基函数BEM(DPS-BEM)模型和LMMSE算法的复杂度，从而实现高效准确估计。
-
公开(公告)号：CN117500080B
公开(公告)日：2024-11-29
申请号：CN202311307999.X
申请日：2023-10-10
Applicant: 西安电子科技大学
IPC: H04W72/50 , H04W72/044 , H04W24/02 , H04W28/06 , H04W72/0453
Abstract: 本发明公开了一种分布‑集中式混合处理架构下去蜂窝MIMO联合资源分配方法，涉及无线通信技术领域，该方法应用于去蜂窝MIMO系统，该蜂窝MIMIO系统包括M个接入点AP与K个用户，所述方法包括：获取用户k与接入点m之间的信道信息；针对每个用户，测量其与各接入点间的信号接收功率，并基于信号接收功率选择满足预设条件的接入点为该用户服务后，生成连接矩阵；基于信道信息和连接矩阵，以最大化最小频谱效率为优化目标，建立优化问题；通过求解优化问题，将M个接入点划分至集中式AP集合或分布式AP集合，并根据优化结果进行资源分配。本发明可在降低前传开销的同时提高频谱效率，实现了前传链路开销与频谱效率的折中，同时保证用户公平性。
-
公开(公告)号：CN114912491B
公开(公告)日：2024-09-24
申请号：CN202210541084.4
申请日：2022-05-17
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F16/215 , G06F18/213 , G06F18/10 , G06F18/21
Abstract: 本发明公开了一种基于时域能量阈值筛选的无人机时频图谱数据库构建方法，实现的步骤为：采集无人机信号；生成时频矩阵；构造初始无人机时频图谱数据库；计算每个时频矩阵的能量阈值；对每个时频矩阵进行二值化操作；计算每个时频矩阵的有用信号时间占比；筛选初始无人机时频图谱数据库。本发明解决了特定无人机数据集的适用范围较窄，以及未经处理的无人机数据库包含的信息量少、存在冗余的问题。本发明构建的数据库可以直接用于无人机识别任务中，减少了构建特定数据集所需的人力和物力，时频图谱数据库中样本所包含的信息量高、冗余少，数据库质量高。
-
公开(公告)号：CN117221335A
公开(公告)日：2023-12-12
申请号：CN202311479413.8
申请日：2023-11-08
Applicant: 西安电子科技大学
IPC: H04L67/104 , H04W4/70 , H04W24/02 , H04W24/08
Abstract: 本发明公开了一种无线区块链网络分片方法及装置、电子设备、存储介质，所述方法包括：根据每个节点的最终综合信誉评分，确定成员节点、领导节点及最高领导节点，该评分是根据节点的交互效果、交互时延、交互频率及交互时效确定的；基于多种群遗传算法，根据共识时延，确定最优分片结果，共识时延是根据节点的传输时延与验证时延确定的。根据本发明提供的方法，通过综合节点交互时效、交互效果、交互时延及交互频率等因素综合确定的评分来确定参与共识的节点，通过根据传输时延和验证时延确定的共识时延来确定无线区块链网络的最优分片结果，能够提高无线区块链网络的共识效率，减小共识时产生的时延。
-
Patent Agency Ranking
公开(公告)号：CN115801076A
公开(公告)日：2023-03-14
申请号：CN202210694095.6
申请日：2022-06-20
Applicant: 西安电子科技大学
IPC: H04B7/0456 , H04L25/03
Abstract: 本发明提出了一种大规模MIMO最小化交叉熵预编码方法及通信基站和系统，属于通信技术领域。本发明从组合优化的角度对1位DAC量化下的非线性预编码问题重新建模，并提出了采用交叉熵算法解决装配1位DAC大规模MIMO系统预编码问题的技术方案。现有基于凸优化的算法，考虑到1位DAC下，预编码向量中的各个元素经过量化后属于固定的集合，且集合元素数目少，所提方案将非线性预编码问题重新建模为组合优化问题并提出了基于交叉熵的算法求解，其通过最小化交叉熵自适应更新每次迭代预编码向量中各元素的概率分布，可快速收敛得到预编码向量。
-
公开(公告)号：CN115378475A
公开(公告)日：2022-11-22
申请号：CN202210841579.9
申请日：2022-07-18
Applicant: 西安电子科技大学
IPC: H04B7/0413 , H04B17/391 , H04L41/14 , H04L41/142
Abstract: 本发明公开了一种基于卷积神经网络的发射天线数目估计方法，包括以下步骤：建立非合作MIMO系统的接收信号模型；根据随机矩阵理论对接收信号协方差矩阵的特征值进行预处理，得到预处理后的特征值；基于预处理后的特征值构造数据集；搭建卷积神经网络模型，并利用构造的数据集对该网络模型进行训练；利用训练好的卷积神经网络对发射天线数目进行估计。本发明提供的发射天线数目估计方法采用基于数据驱动的模式，不需要依赖于主观参数设置，可以得到更稳定更准确的估计结果，具有很好的估计性能。
-
公开(公告)号：CN115035426A
公开(公告)日：2022-09-09
申请号：CN202210668292.0
申请日：2022-06-14
Applicant: 西安电子科技大学
IPC: G06V20/17 , G06V10/764 , G06V10/26 , G06V10/774 , G06K9/00
Abstract: 本发明公开了一种基于时域图谱分割的无人机目标识别方法，包括：获取待识别无人机的长采样序列；将长采样序列进行分段并获得分段后每个短采样序列的时频图谱；将每个时频图谱分割成多个子时频图谱并对每个子时频图谱进行标准化操作，获得多个标准化子时频图谱；构建训练数据集并利用训练数据集对分类器网络进行分类；将待识别无人机的多个标准化子时频图谱输入经训练的分类器网络，获得待识别无人机的识别类型。本发明方法对无人机时频图谱在频域和时域两个维度上进行分割，减少了存在干扰信号的时频图谱在所有时频图谱中的占比，提高了无人机检测与识别系统的抗干扰性能。
-
公开(公告)号：CN110996326B
公开(公告)日：2022-04-05
申请号：CN201911298206.6
申请日：2019-12-17
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种资源复用场景下MTC网络的簇数目规划方法，主要解决现有MTC网络的簇数目规划方法在资源复用场景下得到的簇数目仅是次优，同时网络能量效率过低的问题。其实现步骤为：构建机器类型通信MTC网络模型并进行划分；制定MTC网络的通信准则；对MTC网络的通信频段资源进行分配；构建MTC网络平均功率消耗的优化模型；求解MTC网络平均功率消耗的优化模型；获取资源复用场景下MTC网络的簇数目规划结果。本发明考虑了实际MTC网络中簇间干扰、所使用的频段资源与可实现的数据速率之间的相互制约作用，得到了适用于资源复用场景下MTC网络功率消耗最优的簇数目，提高了网络能量效率。
-
公开(公告)号：CN113271124B
公开(公告)日：2022-03-25
申请号：CN202110460534.2
申请日：2021-04-27
Applicant: 西安电子科技大学广州研究院
IPC: H04B7/0413 , H04L1/00
Abstract: 本发明提供了一种应用于大规模MIMO系统的混合迭代检测方法，具体包括以下步骤：初始化处理，设置massiveMIMO上行系统的相关参数，包括但不限于发射天线数、服务用户数、迭代计算数目、数字信道分布矩阵；设massiveMIMO上行系统的混合迭代检测模式包括但不限于降低运算模式、分解矩阵模式、混合模式，混合模式指的是结合降低运算和分解矩阵进行迭代检测；运算匹配对应滤波控制器设备自动输出和自动滤波分布矩阵，得到MMSE信号检测模型；手动或自动选择massiveMIMO上行系统的混合迭代检测模式，迭代计算获取发送传输数据信号的预计数值。本发明可以降低检测计算复杂度及提高系统检测性能。
-
-
-
-
-
-
-
-
-
Search Results
164
records
(took 0.035 seconds)
