-
公开(公告)号：CN115843081B
公开(公告)日：2024-06-28
申请号：CN202210694098.X
申请日：2022-06-20
Applicant: 西安电子科技大学
IPC: H04W40/04 , H04W40/12 , H04W40/24 , H04W72/542
Abstract: 本发明公开了一种面向Sidelink标准的联合路由与资源分配方法，该面向Sidelink标准的联合路由与资源分配方法，利用两跳位置信息提出了一种基于两阶段匹配的路由选择方法，解决了半双工机制下高并发导致的丢包问题。此外，在连续资源块的约束下，为最大化传输并发数据包数，提出了一种资源分配算法，以实现无线资源的高效复用。通过以两跳为一个调度周期，一方面可以降低分布式路由选择带来的路由空洞问题的影响，另一方面可以增加节点利用率，从而为更多的数据包增加传输机会。所提方案以最大化同时传输成功的数据包数目为目标，周期性地进行路由选择与资源分配，可有效提高数据包投递率和资源利用率。
-
公开(公告)号：CN115801076B
公开(公告)日：2024-05-03
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：CN115533933A
公开(公告)日：2022-12-30
申请号：CN202211153485.9
申请日：2022-09-21
Applicant: 西安电子科技大学广州研究院
Abstract: 本发明涉及智能产品技术领域，具体的说是一种基于5G的智能服务机器人，包括智能机器人、后台管理系统和云数据库，智能机器人和后台管理系统均通过5G网络与云数据库连接，智能机器人包括智能控制器、无线收发模块、智能交互终端、驱动模块、红外检测模块和排号模块，本发明能够应用在各种综合性服务场所，客户办理业务时通过智能机器人能够快速完成预约或座位选择，适用范围广，使用方便，能够节约人力，通过智能机器人结构能够方便自动控制触摸屏亮度，客户使用时能够自动增加触摸屏亮度，未使用时能够自动降低触摸屏亮度，因此能够节省电能，并且能够方便控制智能机器人移动，移动时能够自动控制启停，防止出现撞人现象，使用安全。
-
公开(公告)号：CN113271124A
公开(公告)日：2021-08-17
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。
-
公开(公告)号：CN113517941B
公开(公告)日：2023-03-24
申请号：CN202110760607.X
申请日：2021-07-06
Applicant: 西安电子科技大学广州研究院
IPC: H04B17/391 , H04B7/0456 , H04L25/02
Abstract: 本发明提供了一种大规模MIMO系统信道估计与迭代检测仿真方法和系统，设置系统的基本参数，在基站端进行上行链路估计；选择检测算法计算信号估计值，计算用户发射信号；仿真分析并将符合设定条件的检测算法添加至检测算法数据集；从信道估计算法库中选择信道估计算法，执行下行链路估计，确定用户接收信号；进行仿真分析，将符合设定条件的信道估计算法添加至信道估计算法数据集中；分别从迭代检测算法数据集和信道估计算法数据集中输出算法，建立上行用户‑基站‑下行用户信号传输方案，对该方案进行仿真分析并记录。本发明融合检测算法和信道估计算法，为大规模MIMO系统提供良好的数据性能，同时也对二者的组合性能进行仿真验证。
-
Patent Agency Ranking
公开(公告)号：CN114844598A
公开(公告)日：2022-08-02
申请号：CN202210371660.5
申请日：2022-04-11
Applicant: 西安电子科技大学广州研究院
Abstract: 本发明公开了一种基于OFDM‑IM的多分集发送方法，涉及无线通信领域。其技术方案为在发送端通过对系统可用的子载波分组，根据系统要求设计OFMD‑IM子块的序号模式图案，以每个子块为单位进行调制，在每个子块中序号模式图案与激活子载波发送的传统调制符号发送相同的信息比特，以子块为整体构成多分集发送。在接收端设计基于单个子载波计算的多步解调接收机，利用子载波之间的正交性实现单个子载波的最大似然计算，然后基于序号调制图案实现子块发送符号矢量的估计，可以进一步降低接收端的计算复杂度。本发明可以在同等发送分集下获得更优的误比特性能，可提升信息传输的可靠性。
-
公开(公告)号：CN114698023A
公开(公告)日：2022-07-01
申请号：CN202210355962.3
申请日：2022-04-06
Applicant: 西安电子科技大学广州研究院 , 深圳市兰江荣恒科技有限公司
Abstract: 本发明涉及通信技术领域，且公开了基于5G条件下的异构网络通信干扰模型建立方法，采用D2D通信，包括以下步骤：会话建立，即用户在蜂窝网络下建立D2D链路实现数据传输；资源分配，D2D通信用户的资源分配方式有两种：一种是分配专用的频谱资源给D2D通信用户，另一种是D2D用户与蜂窝用户共享小区频谱资源；功率控制，D2D通信虽然是终端到终端的直接通信，但通信过程仍受到基站的控制；干扰协调，D2D用户复用蜂窝链路资源会引入新干扰，包括D2D链路对蜂窝通信的干扰和蜂窝链路对D2D通信的干扰，5G异构网络中D2D通信技术的引入，可以增加系统频谱利用率和提升系统吞吐量，而有效进行资源复用和干扰协调，可以更好的保障原有用户的正常通信。
-
公开(公告)号：CN113395092A
公开(公告)日：2021-09-14
申请号：CN202110555750.5
申请日：2021-05-21
Applicant: 西安电子科技大学广州研究院
IPC: H04B7/0413 , H04W24/02 , H04W24/06
Abstract: 本发明提供了一种改善Massive MIMO系统检测能力的方法和系统，具体包括以下步骤：构建Massive MIMO系统模型；降低Massive MIMO信号检测的上行链路的计算复杂度，并从多方面对算法进行优化；在Massive MIMO系统的下行链路中基于MMSE软干扰消除信号检测算法以提高信号检测性能。本发明针对Massive MIMO系统的上行通信链路和下行通信链路都做出了检测性能的优化，同时采用混合迭代算法融合检测干扰消除算法，进一步提高系统检测能力。
-
公开(公告)号：CN114885339A
公开(公告)日：2022-08-09
申请号：CN202210356772.3
申请日：2022-04-06
Applicant: 西安电子科技大学广州研究院 , 深圳市兰江荣恒科技有限公司
IPC: H04W16/18 , H04W16/22 , H04B7/0413 , H04B17/345 , H04B7/06 , H04B7/08 , H04B7/22 , H04B17/382 , H04B17/391
Abstract: 本发明涉及5G技术领域，且公开了基于MassiveMIMO优化的异构网络干扰协调方法，需要选取不同的网络部署场景。该基于MassiveMIMO优化的异构网络干扰协调方法，根据发射端和接收端天线的阵列结构、发射信号的离开角与角度扩展、接收信号的到达角与角度扩展、角度功率谱、多普勒功率谱等参数，提出了一个合理的MIMO无线信道模型，角度扩展一定时，相关系数随着天线间的距离的增大而减小；而当天线间距一定时，相关系数随着角度扩展的增大而减小。角度扩展比较小时，相关系数随天线间距增大而缓慢的减小，角度扩展比较大时，在很小的天线间距(小于1)时相关系数随天线间距增大而迅速的减小，天线间距大于1时，相关系数的变化比较平缓。
-
公开(公告)号：CN113271123B
公开(公告)日：2022-03-25
申请号：CN202110459215.X
申请日：2021-04-27
Applicant: 西安电子科技大学广州研究院
IPC: H04B7/0413 , H04B7/08
Abstract: 本发明提供了一种计算信道解码的LLR近似值的方法和系统，具体包括以下步骤：采集LLR近似值算法的相关信息，提取其中的关键特征，训练生成LLR智能模型；获取Massive MIMO通讯系统的各项参数，判断为Massive MIMO通讯的上行链路或Massive MIMO通讯的下行链路；获取Massive MIMO通讯的信号检测算法；将参数、上行链路/下行链路以及信号检测算法输入LLR智能模型，LLR智能模型输出LLR近似值计算建议方案。本发明设置LLR智能模型，可以为用户的参数，自适应地为用户提供LLR近似值计算建议方案，满足用户的个性化需求。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.019 seconds)
