Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜东南大学高西奇获国家专利权

恭喜东南大学高西奇获国家专利权

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!

龙图腾网恭喜东南大学申请的专利大规模MIMO低轨卫星通信系统遗传用户调度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:CN115499053B

龙图腾网通过国家知识产权局官网在2025-04-22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:202211145101.9,技术领域涉及:H04B7/185;该发明授权大规模MIMO低轨卫星通信系统遗传用户调度方法是由高西奇;乔治;尤力;李科新;汤金科;石雪远设计研发完成,并于2022-09-20向国家知识产权局提交的专利申请。

大规模MIMO低轨卫星通信系统遗传用户调度方法在说明书摘要公布了:本发明提出了一种大规模MIMO低轨卫星通信系统遗传用户调度方法,卫星基站侧配置大规模均匀平面天线阵列,基站利用各用户的统计信道状态信息对用户进行分组,调度在同一组的用户使用同一时频资源,不同组中的用户使用不同的时频资源。首先给出了用户调度的数学模型,采用最大化下行可达平均和速率作为设计准则,引入0‑1指示变量表示用户的调度状态将和速率最大化问题建立为0‑1整数规划模型。采用遗传算法求解该问题,首先将问题的解编码为确定长度的染色体,经过选择、交叉以及变异操作,在进行一定次数的迭代之后可以找到适应度最高的子代个体,也即问题的最优解。本发明大幅度提高了大规模MIMO低轨卫星通信系统的传输速率。

本发明授权大规模MIMO低轨卫星通信系统遗传用户调度方法在权利要求书中公布了:1.一种大规模MIMO低轨卫星通信系统遗传用户调度方法,其特征在于,卫星基站侧对覆盖区域内的用户进行分组,计算各分组的下行预编码矢量和下行平均和速率,以最大化系统下行平均和速率作为用户调度的设计准则,引入0-1指示变量表示用户的调度状态将下行平均和速率最大化问题建立为0-1整数规划问题;采用遗传算法求解0-1整数规划问题,得到用户分组结果;卫星基站侧利用各单天线用户的空间角度信息对覆盖区域内的用户进行分组,被调度在同一组内的用户使用同一时频资源与卫星基站进行无线通信,调度在不同组的用户使用不同的时频资源与卫星进行无线通信;卫星基站侧利用调度在同一组中的用户的统计信道状态信息计算该组中各用户的下行预编码矢量;所述统计信道状态信息包括用户k的空间角度信息以及其平均信道能量γk,是由信道上行检测或者通过各用户的反馈信息获取的;所述下行预编码矢量为: 其中,·*表示共轭运算,是能量归一化系数使得vk与vi分别为用户k与用户i的均匀平面阵列的天线阵列响应矢量,γi为用户i的信道能量,ρk为用户k的下行信噪比,IM为M维单位阵;下行平均和速率Rdl为 其中,G为用户组数,qk与qi分别为分配给用户k与用户i的发送信号能量,gk为用户k的信道增益,Ag为组g的用户集合,σk为用户k的信道噪声方差,为用户i的预编码矢量;引入0-1指示变量表示用户的调度状态将下行平均和速率最大化问题建立为0-1整数规划问题,具体步骤包括:波束覆盖区域内共K个用户被调度在G个组中,Rk,g为第g个用户组中用户k的下行和速率,qk,g为组g中用户的功率,qsum为下行链路的总传输功率约束;二进制的调度指示变量ck,g表示指定用户k用户组g的关系,指示变量的取值以及各自含义为 用户组g中用户k的下行和速率为 其中,qk,g与qi,g分别为分配给组g中用户k与用户i的发送信号能量,gk,g为组g中用户k的信道增益,σk,g为组g中用户k的信道噪声方差,与分别为组g中用户i与用户k的预编码矢量;将下行平均和速率最大化问题建立为0-1整数规划问题: 约束为表明任意一个用户k最多只能被调度在一个组中;采用遗传算法求解0-1整数规划问题,具体步骤包括:首先依次随机初始化I组有可能的用户调度组合,每个用户组中有M个随机分组的调度用户;分别计算各组的下行平均和速率,并将下行平均和速率作为每个用户组的适应度,选择适应度高的若干个组进行交叉,即两个双亲用户之间组互相交换各自组中的若干个用户后生成两个子组;在每次迭代中选取下行平均和速率最大的用户组,并以该用户组为基础做出组内用户的改变,随机替换该组中若干个用户生成J个新的变异后的用户组,并从原始的用户组集合中选择I-J-1个用户组加入;该算法的结束条件为算法达到预定的最大迭代次数L;在算法迭代结束后,选择最后一次迭代中输出用户组中下行平均和速率最大的一组作为该调度的最终用户组结果,并再执行G-1次该遗传用户调度算法以得到G个组,并且各次算法迭代得到的最终调度结果必须是不相同的;遗传算法的算法流程为:a初始化参数,用户组数G,用户数K,用户信道方向矢量vk,g,指示变量预编码矢量用户组集合Sg,g=1,...,G,染色体的编码长度即为每个组中的最大用户数目M,交叉概率αC,变异概率βM,终止进化代数Niter;b随机生成初始种群,随机初始化用户组集合,该集合中包含I个可能的用户调度组合,计算每个用户组的平均和速率作为每一个个体的适应度参数;c选择种群集合中适应度最高的前L<k个用户组进行交叉,随机选择两个交叉用户组中的若干个交叉点,交换两个组中的用户,生成两个新的后代用户组,并且当前迭代次数加1:n=n+1;d从初始的用户集合中随机地选择I-J-1个用户组与适应度最高的用户组Amax以及J个变异组合并后生成全新的一代个体集合;e若迭代次数i小于终止进化代数n≤Ngen,则继续从步骤b开始下一次迭代,否则终止迭代,执行下一步;f选择集合中适应度最大的用户组,也即平均和速率最大的用户组作为第g个用户调度组结果,并从步骤b开始计算下一个用户分组,直到得到G个用户分组结果。

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东南大学,其通讯地址为:211189 江苏省南京市江宁区东南大学路2号;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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。