-
公开(公告)号：CN115314087B
公开(公告)日：2024-08-23
申请号：CN202210806236.9
申请日：2022-07-08
Applicant: 东南大学
IPC: H04B7/0456 , H04B7/06 , H04B7/08 , H04L27/20 , H04B7/0426
Abstract: 本发明公开了一种智能反射面主动信息传输的相位偏移调制与性能分析方法，包括：首先建立智能反射面主动信息传输的相位偏移调制系统模型；然后计算给定信道下的最优被动波束赋形方案；接着在最优相位的基础上，叠加特定相位偏移以传输额外信息；再在接收端利用最大似然准则解调基站发送的和RIS发送的信号；性能分析方法包括：利用中心极限定理近似等价信道，然后计算最大似然准则下解调误差的矩量母函数，最后利用Q函数的近似计算平均成对误差概率和误比特率。本发明利用提出的基于智能反射面的相位偏移调制和性能分析方法，能够实现更多比特信息的无误传输，实现更高的频谱效率。
-
公开(公告)号：CN115103372B
公开(公告)日：2024-08-23
申请号：CN202210691649.7
申请日：2022-06-17
Applicant: 东南大学
IPC: H04W16/22 , H04W72/1263 , H04B17/391 , H04B7/0452 , G06N3/047 , G06N3/045 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习的多用户MIMO系统用户调度方法，包括：首先构建多用户MIMO系统模型，提出用户调度数学优化问题，以最大化系统和速率为目标，以基站总发射功率为限制条件；接着，将优化问题建模为马尔可夫决策过程，将基站视为智能体，将经过处理的基站到用户的信道矩阵以及一个指示矩阵拼接作为状态，将选择的用户索引作为动作，并设计合适的奖励函数；然后设计深度强化学习神经网络结构并初始化深度强化学习相关参数；随后，开始训练神经网络直至收敛；最后，保存网络参数，用训练好的神经网络来进行用户调度，验证本方法的性能。本发明能够在降低实现复杂度的情况下获得较高的系统性能。
-
公开(公告)号：CN117221925A
公开(公告)日：2023-12-12
申请号：CN202310692705.3
申请日：2023-06-13
Applicant: 东南大学
Abstract: 本发明公开了一种面向无蜂窝网络用户调度与资源配置的多智能体学习方法，构建无蜂窝网络系统模型，建立联合用户调度、子频带选择和功率控制的混合整数线性规划问题，顺序地使用深度Q学习和深度确定性策略梯度算法解决该问题，并设计合适的状态、动作空间以及奖励函数；设计深度强化学习神经网络结构并初始化深度强化学习相关参数；开始训练神经网络直至收敛，获得最终的系统性能。本发明能够联合解决用户调度、子频带选择以及功率控制问题，在降低复杂度的同时，逼近基于分式规划这一集中式方法的性能。每个接入点可以仅使用本地信道状态信息和部分非实时信息做出自己的决策；验证了使用深度确定性策略梯度算法解决连续功率控制问题的有效性。
-
公开(公告)号：CN117201246A
公开(公告)日：2023-12-08
申请号：CN202311214587.1
申请日：2023-09-19
Applicant: 东南大学
IPC: H04L25/03 , H04B17/345 , H04B17/391 , H04L41/14 , H04L41/142 , H04L41/16
Abstract: 本发明公开一种快时变信道下的OFDM联合相位噪声补偿和信号检测方法，该方法首先建立快时变信道和相位噪声影响下的OFDM系统传输模型，并根据频域接收信号以及考虑到星座符号的离散约束，构建带约束的联合相位噪声补偿和信号检测的目标函数；然后通过引入惩罚项、惩罚因子和辅助变量，构建优化目标的增广拉格朗日函数，使用交叉方向乘子法ADMM进行求解；接着将ADMM迭代过程映射到深度神经网络中，通过构建训练数据集及设置损失函数，对惩罚因子等参数进行调优。最后利用训练好的模型进行在线符号检测，得到误码率曲线。本发明可以有效缓解快时变信道和相位噪声引起的子载波间干扰，能显著提高OFDM信号检测的性能，并降低了算法复杂度。
-
公开(公告)号：CN116667896A
公开(公告)日：2023-08-29
申请号：CN202310547278.X
申请日：2023-05-16
Applicant: 东南大学
IPC: H04B7/06 , H04B7/08 , H04B7/0456 , H04W16/14
Abstract: 本发明公开了一种全双工通感一体化系统收发波束和功率联合优化方法，包括：构建初始优化问题，在该初始优化问题中，以最小化全双工通感一体化系统基站发送信号和上行通信用户发送信号功率之和为优化目标，且以上行、下行通信最小信干噪比需求和感知目标探测最小信干噪比需求为约束；得到基站接收滤波向量的闭合形式的最优解，代入原问题进而得到关于基站发射波束和上行用户发射功率的等价优化问题；引入辅助变量，将该优化问题等价转化为新的表述形式；根据转化得到的新问题，利用半定松弛舍去秩约束，并采用序贯凸近似方法迭代求解；迭代收敛后得到的解构造一组满足秩约束的最优解。从而提升通感一体化系统频谱利用率的同时降低系统总功耗。
-
Patent Agency Ranking
公开(公告)号：CN116450357A
公开(公告)日：2023-07-18
申请号：CN202310437182.8
申请日：2023-04-21
Applicant: 东南大学
IPC: G06F9/50 , G06N5/04 , G06F30/27 , G06F111/04
Abstract: 本发明公开了一种面向设备直连移动边缘计算系统的卸载博弈方法，属于网络管理技术领域，基于设备直连移动边缘计算系统，研究用户卸载决策对系统时延的影响，并构建卸载决策优化问题；将卸载决策问题建模为一个非合作卸载匹配博弈；基于更好的响应的迭代策略求解该匹配博弈并得到所有任务设备的卸载决策；根据求得的卸载决策，任务设备完成卸载。本发明的方法能够有效解决设备直连移动边缘计算系统的卸载决策问题，并获得接近最优的系统性能，可以推广到类似的多用户多服务器的场景，具有很强的泛化能力。
-
公开(公告)号：CN116367310A
公开(公告)日：2023-06-30
申请号：CN202310436659.0
申请日：2023-04-21
Applicant: 东南大学
IPC: H04W72/044 , H04W72/50
Abstract: 本发明公开了一种面向移动边缘计算的最大增益导向的信道分配方法，属于网络管理技术领域，在移动边缘计算系统模型中，研究信道分配策略对系统卸载时延和能耗的影响，并构建卸载优化问题，旨在最小化系统卸载损耗；计算每个用户的卸载损耗，并确定每个用户的最佳信道；通过最大增益导向的分配策略在每一轮迭代中为具有最大卸载增益的用户分配信道，并将分配过的用户和信道从待分配用户集合和未被占用信道集合中删除，重复上述过程直至待分配用户集合为空；根据求得的用户信道分配策略，用户完成卸载。本发明的方法能够在降低实现复杂度的情况下获得较高的系统性能。
-
公开(公告)号：CN115314087A
公开(公告)日：2022-11-08
申请号：CN202210806236.9
申请日：2022-07-08
Applicant: 东南大学
IPC: H04B7/0456 , H04B7/06 , H04B7/08 , H04L27/20 , H04B7/0426
Abstract: 本发明公开了一种智能反射面主动信息传输的相位偏移调制与性能分析方法，包括：首先建立智能反射面主动信息传输的相位偏移调制系统模型；然后计算给定信道下的最优被动波束赋形方案；接着在最优相位的基础上，叠加特定相位偏移以传输额外信息；再在接收端利用最大似然准则解调基站发送的和RIS发送的信号；性能分析方法包括：利用中心极限定理近似等价信道，然后计算最大似然准则下解调误差的矩量母函数，最后利用Q函数的近似计算平均成对误差概率和误比特率。本发明利用提出的基于智能反射面的相位偏移调制和性能分析方法，能够实现更多比特信息的无误传输，实现更高的频谱效率。
-
公开(公告)号：CN112468193B
公开(公告)日：2022-11-08
申请号：CN202011343492.6
申请日：2020-11-26
Applicant: 国网江苏省电力有限公司丹阳市供电分公司 , 国网江苏省电力有限公司镇江供电分公司 , 东南大学
Abstract: 本发明公开了一种基于智能反射表面的波束对准实现方法，根据IRS的状态信息，设计一种高分辨率波束域能量阵列包含了IRS控制的所有可扫描的角度方向、接收机位置和对应的能量信息；将高分辨率能量阵列退化成低分辨率波束域能量阵列；设计BP神经网络学习能量阵列，并通过采集到的数据集训练神经网络；根据训练好的神经网络和数据在线学习，实现深度学习算法下的接收机定位和自适应波束对准。这种用深度学习推荐的盲波束对准系统模型减少时间开销和和路径损耗。本发明应用于新型的室内定位无线通信系统，兼顾自适应的波束对准和通信接收机定位，具有低开销、低功耗、智能化等特点。
-
公开(公告)号：CN111132297B
公开(公告)日：2022-10-28
申请号：CN201911314897.4
申请日：2019-12-19
Applicant: 东南大学
IPC: H04W52/26 , H04W52/40 , H04W52/02 , H04B7/06 , H04B7/0426
Abstract: 本发明公开了一种超密集网络发射功率最小化的波束成形优化方法与装置，本发明考虑一个存在一个宏基站以及多个小基站的超密集网络，用户根据所在位置接入相应基站，通过构建以用户QoS需求以及小基站回程速率受限为约束，最小化系统的总发射功率为目标的优化问题，联合优化宏基站以及所有小基站的发射波束成形。优化过程是首先引入中间变量，迭代求解关于中间变量的优化问题，每次迭代过程中需要求解一个SDP问题，然后基于最优的中间变量，采用高斯随机化得到一系列满足原问题约束的发射波束成形作为备选解，选择其中发射功率最小的一组解作为最优发射波束成形。相较于传统迫零传输方案，本发明能够显著降低系统总发射功率。
-
-
-
-
-
-
-
-
-
Search Results
220
records
(took 0.033 seconds)
