-
公开(公告)号：CN113271641A
公开(公告)日：2021-08-17
申请号：CN202110538408.4
申请日：2021-05-18
Applicant: 南京大学
IPC: H04W36/30 , H04W56/00 , H04W76/14 , H04W76/15 , H04L1/16 , H04L1/18 , H04L1/00 , H04W4/80 , H04W84/20
Abstract: 本发明公开了一种基于蓝牙散射网络通信的降低丢包率方法，所述蓝牙散射网络包括数据源设备、第一蓝牙设备和第二蓝牙设备；数据源设备通过与第一蓝牙设备之间的第一蓝牙链路进行通信，第二蓝牙设备以侦听的方式接收第一蓝牙链路传输的数据包，当第二蓝牙设备未能成功侦听数据包时，第一蓝牙设备以发送信使数据包的方式，强制数据源设备进入数据接收状态使其停止占用信道；此后第一蓝牙设备通过第一蓝牙设备与第二蓝牙设备之间的第二蓝牙链路重新发送数据包给第二蓝牙设备。本发明针对一个发送设备与两个接受设备构成的散射网场景，引入主接收设备向从接收设备重新发送数据包的方法，为第二蓝牙设备提供一种确认机制，防止数据包损坏。
-
公开(公告)号：CN113347736B
公开(公告)日：2023-01-06
申请号：CN202110762539.0
申请日：2021-07-06
Applicant: 南京大学
IPC: H04W74/08 , H04W84/18 , H04B7/0413
Abstract: 本发明公开了一种基于MIMO的移动自组织网络多点通信方法，基于传统的点对点信息传输过程,根据侦听到的不同信道状态来判断是预约信道还是刷新NAV值，并且在侦听范围内，根据收到预约信道的RTSi是否是同一目标节点和最大RMAX个数来确定是结束二进制指数退避，进入NAV机制还是结束二进制指数退避进入同节点退避机制；此时同一并行子信道便可预约2个或以上，随后根据不同时刻、不同节点和经过等待时隙T0后的RTS分组个数来发送不同x赋值的CTS‑x分组，在MIMO系统多包接收能力的支持下可以的提高预约次数，实现多点对点通信。
-
Patent Agency Ranking
公开(公告)号：CN113472706A
公开(公告)日：2021-10-01
申请号：CN202110783095.9
申请日：2021-07-12
Applicant: 南京大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种基于深度神经网络的MIMO‑OFDM系统信道估计方法，首先基于深度神经网络的信道估计方法，建立MIMO‑OFDM系统模型，获取深度神经网络的所需要的训练序列数据，采用迭代方法优化的最小均方误差信道估计算法MMSE得到信道导频处频域响应CFR矢量数据，作为深度神经网络的输入；采用多层深度神经网络DNN，引入Sigmoid激活函数，通过训练数据来迭代训练估计网络，获得各隐藏层神经元的最优输出；根据各隐藏层的输出来计算出最后的实际输出与目标值之间的差值，用交叉熵损失函数处理所述各差值，调整神经网络的权值与阈值，最后提取输出的符号频域响应矢量，完成信道估计；本发明可以有效提升CSI精度，解决传统深度学习算法单一训练导致的时间浪费及精度问题。
-
公开(公告)号：CN113347736A
公开(公告)日：2021-09-03
申请号：CN202110762539.0
申请日：2021-07-06
Applicant: 南京大学
IPC: H04W74/08 , H04W84/18 , H04B7/0413
Abstract: 本发明公开了一种基于MIMO的移动自组织网络多点通信方法，基于传统的点对点信息传输过程,根据侦听到的不同信道状态来判断是预约信道还是刷新NAV值，并且在侦听范围内，根据收到预约信道的RTSi是否是同一目标节点和最大RMAX个数来确定是结束二进制指数退避，进入NAV机制还是结束二进制指数退避进入同节点退避机制；此时同一并行子信道便可预约2个或以上，随后根据不同时刻、不同节点和经过等待时隙T0后的RTS分组个数来发送不同x赋值的CTS‑x分组，在MIMO系统多包接收能力的支持下可以的提高预约次数，实现多点对点通信。
-
公开(公告)号：CN109862535B
公开(公告)日：2021-12-17
申请号：CN201910008490.2
申请日：2019-01-04
Applicant: 南京大学
Abstract: 基于模拟退火粒子群算法的路边单元RSU非全覆盖优化部署的方法，利用通信半径大于路面宽度的路边单元等间距部署实现对整个道路的非全面覆盖，目标车辆在非覆盖区域内行驶时依靠自身的惯性导航模块来实现定位功能，并根据基于距离间隔的累积误差来推导出整个非覆盖区域内的累计定位误差；通过几何精度因子GDOP来评价非覆盖区域内定位误差性能,由此推导出GDOP在整个非覆盖区域内的目标函数，然后利用基于模拟退火粒子群算法给出整个道路系统的定位误差的适应度值以判断部署性能；将通信半径大于路面宽度的路边单元等间距部署在整个道路路面上并处于车道中央，实现非全面覆盖。
-
公开(公告)号：CN109862535A
公开(公告)日：2019-06-07
申请号：CN201910008490.2
申请日：2019-01-04
Applicant: 南京大学
Abstract: 基于模拟退火粒子群算法的路边单元RSU非全覆盖优化部署的方法，利用通信半径大于路面宽度的路边单元等间距部署实现对整个道路的非全面覆盖，目标车辆在非覆盖区域内行驶时依靠自身的惯性导航模块来实现定位功能，并根据基于距离间隔的累积误差来推导出整个非覆盖区域内的累计定位误差；通过几何精度因子GDOP来评价非覆盖区域内定位误差性能,由此推导出GDOP在整个非覆盖区域内的目标函数，然后利用基于模拟退火粒子群算法给出整个道路系统的定位误差的适应度值以判断部署性能；将通信半径大于路面宽度的路边单元等间距部署在整个道路路面上并处于车道中央，实现非全面覆盖。
-
公开(公告)号：CN113472706B
公开(公告)日：2023-04-07
申请号：CN202110783095.9
申请日：2021-07-12
Applicant: 南京大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种基于深度神经网络的MIMO‑OFDM系统信道估计方法，首先基于深度神经网络的信道估计方法，建立MIMO‑OFDM系统模型，获取深度神经网络的所需要的训练序列数据，采用迭代方法优化的最小均方误差信道估计算法MMSE得到信道导频处频域响应CFR矢量数据，作为深度神经网络的输入；采用多层深度神经网络DNN，引入Sigmoid激活函数，通过训练数据来迭代训练估计网络，获得各隐藏层神经元的最优输出；根据各隐藏层的输出来计算出最后的实际输出与目标值之间的差值，用交叉熵损失函数处理所述各差值，调整神经网络的权值与阈值，最后提取输出的符号频域响应矢量，完成信道估计；本发明可以有效提升CSI精度，解决传统深度学习算法单一训练导致的时间浪费及精度问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
