-
公开(公告)号：CN112566159B
公开(公告)日：2022-12-27
申请号：CN202011361675.0
申请日：2020-11-27
Applicant: 暨南大学
IPC: H04W24/02 , H04B7/0456
Abstract: 本发明公开了一种基于MIMO‑NOMA的增强型小蜂窝下行通信方法，该方法包含以下步骤：首先，获取基站、NOMA用户以及NOMA配对策略等相关初始化参数以及信道的统计状态信息；然后利用干扰对齐技术进行NOMA远近用户的接收线性滤波器的设计；继而确定基站端的预编码矩阵；最后，在给定最大可容许的中断概率条件下，通过最大化长期平均吞吐量来优化设计所有NOMA用户的传输速率。与现有的方法如有预编码的MIMO‑OMA、无预编码MIMO‑OMA、以及无预编码MIMO‑NOMA相对比，本发明所提出方法可以有效提升吞吐量，尤其在NOMA用户对的信道差异越显著时表现更优。
-
公开(公告)号：CN108631965B
公开(公告)日：2020-09-04
申请号：CN201810457440.8
申请日：2018-05-14
Applicant: 暨南大学
IPC: H04L1/18 , H04L1/00 , H04B17/391 , H04B17/382 , H04B17/336
Abstract: 本发明一种公开了HARQ‑IR在相关莱斯衰落场景下的吞吐量最大化设计方法，实现了存在直视路径和时间相关性条件下发送功率和传输速率的优化设计方案。该方案基本思想是利用趋近性分析结果来最大化吞吐量同时约束最大平均总发送功率，步骤如下：首先根据信道状态信息的统计特征推导趋近性中断概率；结合功率约束构建吞吐量最大化问题，利用趋近性分析结果将优化问题分解成两个子优化问题，即功率分配和速率选择；最后根据最优功率和速率选择合理的传输方案。与瑞利衰落场景相比，存在直视路径的莱斯衰落有利于提高系统性能，而相比于传统方法，采用趋近性中断概率进行优化不但降低计算复杂度，同时也不损失系统性能。
-
公开(公告)号：CN108600997B
公开(公告)日：2020-09-04
申请号：CN201810286303.2
申请日：2018-04-03
Applicant: 暨南大学
Abstract: 本发明公开了一种基于HARQ辅助NOMA的大规模D2D通信方法，该方法首先利用随机几何方法分析大规模D2D网络中叠加干扰对中断概率的影响，然后利用中断概率与频谱效率之间的关系，推导出频谱效率的具体表达式；最后基于这些理论分析结果构建资源分配的优化问题：通过合理设置不同D2D用户的信息传输速率甚至占用相同时频资源D2D终端的分布密度来最大化频谱效率(吞吐量或空间频谱利用率)并同时保证通信的可靠性。仿真和数值结果显示，本发明所提供的协作方式应用方案比非协作方式在中断概率上降低了23％，此外，应用非正交多址接入技术比应用正交多址接入技术在频谱效率上提高了17％。
-
公开(公告)号：CN110809313A
公开(公告)日：2020-02-18
申请号：CN201911015085.X
申请日：2019-10-24
Applicant: 暨南大学
Abstract: 本发明公开了一种HARQ辅助NOMA技术的下行功率分配方法，该方法实现步骤如下：首先面向超可靠高能效通信来构建基于三种基本类型HARQ辅助NOMA技术的下行功率分配的优化问题，并利用分集阶数进行简化；然后分别求解三种HARQ类型所对应优化问题的最优功率分配因子以及系统最大最小化分集阶数；紧接着根据最大最小化分集阶数来确定适合的HARQ类型以降低复杂度和开销；最后采用功率域叠加编码技术进行多用户复用。该方法通过运用分集阶数来替代中断概率从而避免了难以解析求解优化问题的难题，不但充分降低了计算复杂度，而且有效提高通信可靠性。
-
公开(公告)号：CN114118211B
公开(公告)日：2024-12-13
申请号：CN202111237401.5
申请日：2021-10-22
Applicant: 暨南大学 , 华东电力试验研究院有限公司
IPC: G06F18/2136 , G06F18/2134
Abstract: 本发明公开了一种面向混叠未知无线信号的串行分离方法，解决了小信号分量无法被识别和各个信号分量量化不准确的问题。在实际应用中，信号基矩阵不会和组成叠加信号的各个分量完全相同，这使得无线信号分解的准确率下降。另外，考虑到能量大的信号或者特征明显的信号在分解过程中易于被识别，所以在要分解的无线信号中去掉能量占比较高的信号，并更新需要分解的无线信号，继续使用无线信号分解的算法分解剩余部分。通过上述迭代，能量小的信号分量可以被层层剥离出来，这样就提高了无线信号分解的准确性，同时也降低了信号基矩阵对无线信号分解结果的影响。当分离出来的信号能量之和达到要分解信号能量的一定占比算法迭代终止。
-
Patent Agency Ranking
公开(公告)号：CN119011106A
公开(公告)日：2024-11-22
申请号：CN202411411198.2
申请日：2024-10-10
Applicant: 暨南大学 , 武汉星纪魅族科技有限公司
IPC: H04L5/00 , H04W24/10 , H04W72/0453
Abstract: 本发明公开了面向WIFI信号智能识别的OFDM子载波分组和选择方法，该方法基于子载波对手势变化的敏感性以及数据传输的作用，将CSI幅值较大的子载波分为两个集合，然后考虑了相邻子载波之间的相关性，通过设置子载波间隔#imgabs0#、#imgabs1#对#imgabs2#进行分组处理，以保持原始CSI所体现的共同变化趋势以及相邻CSI的关联性；最后提供了三种对于各组CSI进行处理的选择策略，选择每个子载波组内的平均CSI值，形成集合#imgabs3#;选择每个子载波组内的最大CSI值，形成集合#imgabs4#;选择每组第一个子载波对应的CSI值，形成集合#imgabs5#。
-
公开(公告)号：CN114120634B
公开(公告)日：2023-04-07
申请号：CN202111291690.7
申请日：2021-11-03
Applicant: 暨南大学
IPC: G08G1/01 , G06F18/213 , G06F18/24 , G06F18/241 , G06F18/25 , G06F18/2135 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习与WiFi感知相结合的端云协同危险驾驶行为识别方法、装置、计算机设备及存储介质，本发明采用深度学习方法，一方面摒弃数据预处理中小波变换、动态时间规整、主成分分析等冗杂的步骤，简化预处理步骤；另一方面提出多子载波多链路融合方法，采用全部收集到的CSI共同生成CSI‑Image，并送入深层卷积神经网络中进行训练。完成训练的分类识别模型分别部署在车机端和云端上，由车机端和云端协同识别出相应的危险驾驶行为，并警告驾驶员。本发明充分结合云端高性能和车机端近距离的特性，使该危险驾驶行为识别方法兼顾了高性能与低时延的特性，显著提高危险驾驶行为识别的准确性和鲁棒性。
-
公开(公告)号：CN115438837A
公开(公告)日：2022-12-06
申请号：CN202210945483.7
申请日：2022-08-08
Applicant: 暨南大学
Abstract: 本发明提供一种基于图卷积与注意力机制的时空旅游需求预测方法，包括以下步骤：数据获取；景点间空间联系分析：根据所获取的数据，确定可以显式表示的景点间空间联系，同时归纳隐式空间联系可能的相关因素；时空信息表示：针对显式和隐式空间联系分别构建动态多维图、时空序列；高维空间联系嵌入：根据时空信息表示，使用图卷积嵌入层和空间自注意力嵌入层分别提取高维显式与隐式空间联系表示，聚合成高维空间联系表示；高维时空特征提取：应用双向卷积长短时记忆层与时间自注意力层逐步提取短期高维时空特征和长期高维时空特征；时空旅游需求预测。本发明可显著提升时空旅游需求预测性能，该分析方法与预测模型具有重要的指导意义与应用价值。
-
公开(公告)号：CN114793127A
公开(公告)日：2022-07-26
申请号：CN202210419701.3
申请日：2022-04-21
Applicant: 暨南大学
Inventor： 塞奥佐罗斯.特斯菲斯 , 克里斯托斯.齐诺斯 , 宋子阳 , 施政
IPC: H04B7/0456 , H04B7/06
Abstract: 本发明公开了一种双功能雷达通信方法、装置、计算机设备及存储介质，步骤如下：多天线基站在下行链路上采用均匀线性天线阵列(ULA)将信号发送给多个单天线用户，同时，在接收端采用专用ULA接收雷达信号；基站端收集信道状态信息的统计知识，通过满足通信和雷达部分的服务质量约束来构建传输总功率最小化问题；给定预编码矩阵标准正交化约束，以最大化雷达输出信噪比来获得最佳雷达接收波束赋形矩阵；给定接收波束赋形矩阵，利用秩一法将功率最小化问题简化成半定规划问题，并通过内点法求解最优预编码矩阵；通过功率控制进一步修正最优预编码矩阵以满足通信和雷达感知需求。本通信方法有效降低雷达通信系统的设计复杂度并保证功耗需求。
-
公开(公告)号：CN110809313B
公开(公告)日：2022-07-05
申请号：CN201911015085.X
申请日：2019-10-24
Applicant: 暨南大学
Abstract: 本发明公开了一种HARQ辅助NOMA技术的下行功率分配方法，该方法实现步骤如下：首先面向超可靠高能效通信来构建基于三种基本类型HARQ辅助NOMA技术的下行功率分配的优化问题，并利用分集阶数进行简化；然后分别求解三种HARQ类型所对应优化问题的最优功率分配因子以及系统最大最小化分集阶数；紧接着根据最大最小化分集阶数来确定适合的HARQ类型以降低复杂度和开销；最后采用功率域叠加编码技术进行多用户复用。该方法通过运用分集阶数来替代中断概率从而避免了难以解析求解优化问题的难题，不但充分降低了计算复杂度，而且有效提高通信可靠性。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.025 seconds)
