-
公开(公告)号:CN119854909A
公开(公告)日:2025-04-18
申请号:CN202510069287.1
申请日:2025-01-16
Applicant: 重庆邮电大学
IPC: H04W40/32 , H04L45/00 , H04B7/0413
Abstract: 本发明提出了一种基于簇首选择与信道特性的用户分簇算法,适用于无蜂窝大规模多输入多输出(Massive Multiple Input Multiple Output,MIMO)非正交多址(Non‑Orthogonal Multiple Access,NOMA)系统。发明方法包括三个主要步骤:首先,从用户中优先选择与接入点信道条件最优的用户作为簇首用户;其次,基于信道增益差和信道相关性构建分簇评价指标,用于动态量化用户间匹配度;最后,根据评价指标逐步将剩余用户分配至对应簇首用户所在的簇中,形成最终的分簇方案。本发明在分簇性能与复杂度之间实现了良好平衡,相较于传统统计学理论分簇算法,计算复杂度降低47.5%,同时显著提升分簇公平性、抗干扰能力和频谱效率,适用于高密度用户接入场景的动态分簇与资源优化分配。
-
公开(公告)号:CN118050986A
公开(公告)日:2024-05-17
申请号:CN202410035031.4
申请日:2024-01-10
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明请求保护一种基于模型预测控制的无人驾驶车辆轨迹跟踪实现方法,属于无人驾驶领域。首先,建立了具有测量不确定性和动态量化的线性时变误差模型。测量不确定度表明,在实际驾驶过程中,由于传感器的抖动,导致车辆状态提取失败。动态量化器可以在线调整量化参数,用于对控制输入信号进行量化。通过李雅普诺夫函数得到闭环系统的稳定性条件,并利用线性矩阵不等式技术求解。然后,根据稳定性条件,通过求解有限时间范围内基于代价函数的“最小‑最大”优化问题来设计模型预测控制器。为了解决MPC优化问题,研究了带ALM的正则化最小二乘法和在线迭代算法,得到了优化问题的解析解。最后,通过实验验证了所提方法的有效性。
-
公开(公告)号:CN119854943A
公开(公告)日:2025-04-18
申请号:CN202510069285.2
申请日:2025-01-16
Applicant: 重庆邮电大学
IPC: H04W72/044 , H04W72/53 , H04B7/0413
Abstract: 本发明提出了一种基于梯度下降的用户最小频谱效率增强方法,适用于无蜂窝大规模多输入多输出(Massive Multiple Input Multiple Output,MIMO)非正交多址(Non‑Orthogonal Multiple Access,NOMA)系统。发明方法包括三个主要步骤:首先,通过全功率分配计算所有用户的初始速率,作为后续优化的初始条件;其次,利用梯度下降法动态优化用户的功率分配系数,以最大化系统中用户的最小频谱效率;最后,将优化结果作为连续凸逼近(Successive Convex Approximation,SCA)方法的初始值,通过逐步迭代提升系统总频谱效率,直至满足收敛条件。本发明通过结合梯度下降法和SCA方法,显著提升了弱用户性能和系统资源分配的公平性,同时优化了系统总频谱效率。与传统固定赋值或不考虑最低频谱效率约束的方法相比,本发明提升了计算效率和适应性,适用于动态复杂的高密度用户场景,为5G、6G等下一代通信系统的资源分配提供了高效、灵活的解决方案。
-
-