买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京鑫昇科技有限公司申请的专利一种提高传输速率的多直放站协作传输方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117879656B 。

龙图腾网通过国家知识产权局官网在2025-04-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410060099.8，技术领域涉及：H04B7/026；该发明授权一种提高传输速率的多直放站协作传输方法是由张冰;裴璐;郭彦明;何国栋设计研发完成，并于2024-01-16向国家知识产权局提交的专利申请。

本一种提高传输速率的多直放站协作传输方法在说明书摘要公布了：本发明涉及一种提高传输速率的多直放站协作传输方法，包括以下步骤：S1、初始化本地小区用户最小传输速率要求γm，初始化本地小区直放站放大转换倍数的上限F，并提出本地小区最优波束赋形策略，以最小化小区基站的总功率为优化目标，以所有小区用户的最小传输速率要求为约束条件进行联合优化，S2、将S1中的表达式松弛为一个松弛问题，并在F的可行域上，采用一维搜索算法求出最优解PF，使得PF的值最小；本发明具有提高传输速率的优点。

本发明授权一种提高传输速率的多直放站协作传输方法在权利要求书中公布了：1.一种提高传输速率的多直放站协作传输方法，其特征在于：包括以下步骤：S1、初始化本地小区用户最小传输速率要求γk，初始化本地小区直放站放大转换倍数F，并提出本地小区最优波束赋形策略，以最小化小区基站的总功率为优化目标，以所有小区用户的最小传输速率要求为约束条件进行联合优化，该优化问题的表达式如下所示： 其中，W为基站总功率，Rk为用户k的传输速率，γk为用户k最小传输速率；S2、将S1中的表达式松弛为一个松弛问题，并在F的可行域上，采用一维搜索算法求出最优解PF，使得PF的值最小,将步骤S1中的优化问题的表达式等价为一个二次约束二次规划QCQP问题，根据对数函数单调性，将条件约束公式转化为与信干噪比相关的函数；将优化问题的表达式松弛为一个松弛问题的松弛过程包括：利用半正定松弛算法将QCQP问题松弛为一个线性规划LP问题，在此引入新变量其中hk，和分别是wk，和的共轭转置矩阵，wk为基站给用户k发送信号的波束赋形向量，和其含义为基站到协作直放站1和协作直放站2的波束赋形向量，为直放站m到用户j之间的波束赋形向量，所述和为协作直放站1到用户k之间的波束赋形向量及协作直放站2到用户k之间的波束赋形向量，和分别是协作直放站1和协作直放站2和用户k之间的信道状态信息；和分别是协作直放站1和协作直放站2的放大转发矩阵，是基站和直放站m之间的信道矩阵，和是基站和协作直放站1和协作直放站2之间的信道矩阵，是直放站m和用户k之间的信道矩阵；hk是基站和用户k之间的信道矩阵；fmr是直放站m的转发放大矩阵，表示基站到直放站m的波束赋形向量,其中Pmr表示直放站m的第二放大转发矩阵；将优化问题的表达式中的二次项以半正定矩阵PSD来表示，并舍弃矩阵的秩为1的非凸条件，使得QCQP问题松弛为一个LP问题，其中LP问题的解是优化问题的表达式中的一个下界，将此LP问题重写为半定规划SDP问题的标准形式如下所示： W≥0其中，Γ表示约束条件右侧的常数向量；S3、将S2中的PF代入松弛问题中并对松弛问题进行求解，从而得到松弛问题的最优解A；S4、当A的秩为1时，此时松弛问题的最优解A即为S1表达式的最优解，通过对A进行特征值分解即可得出优化问题中本地小区最优波束赋形策略以及对应的基站功率trw；S5、当A的秩不为1时，此时在对A进行特征值分解之后采用高级随机化方法对优化问题进行放缩，通过对放缩问题的优化求解，求得优化问题的一个近似解A*，其中备选波束赋形向量越多，最终求得的近似解越接近优化问题的最优解；高级随机化方法具体为高斯随机化方法，且当松弛问题的解A的秩不为1时，最优解的获得步骤为：S51、对已求得的近似解A*进行特征值分解，分解后的表达式为：λ1,λ2,…,λL分别是A*的L个特征值；S52、对步骤S51中的波束赋形向量通过右乘一个高斯向量vt进行调整，其中t代表第t个备选向量且vt服从均值为0，方差为1的高斯分布，调整后的波束赋形向量为： S53、对备选向量集pm进行选择和优化，最终求解得到最优解，其公式为：minpm Um是特征矩阵；是Um的共轭转置矩阵；是用户k接收信号的加性高斯白噪声的方差，wj为基站给用户j发送信号的波束赋形向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京鑫昇科技有限公司，其通讯地址为：100077 北京市丰台区南三环西路甲88号B座101室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。