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！

龙图腾网恭喜浙江师范大学申请的专利一种去蜂窝大规模MIMO上行总速率一阶优化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：CN114760647B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202210440527.0，技术领域涉及：H04W24/02；该发明授权一种去蜂窝大规模MIMO上行总速率一阶优化方法是由张尧;唐长兵;蒋敏兰;杨龙祥设计研发完成，并于2022-04-25向国家知识产权局提交的专利申请。

本一种去蜂窝大规模MIMO上行总速率一阶优化方法在说明书摘要公布了：本发明提供一种去蜂窝大规模MIMO上行总速率一阶优化方法，包括以下步骤：步骤1、建立上行导频训练模型并推导MMSE信道估计，步骤2、推导UE总速率闭式表达式并建立UE总速率最优化问题，步骤3、设计UE总速率最优化方法：采用基于加权MMSE的总速率最优化算法或者基于APG的总速率最优化算法。在满足UE数据发射功率约束的前提下大大改善UE总速率，从而补偿了干扰机恶意攻击造成的性能损失。

本发明授权一种去蜂窝大规模MIMO上行总速率一阶优化方法在权利要求书中公布了：1.一种去蜂窝大规模MIMO上行总速率一阶优化方法，其特征在于，包括以下步骤：步骤1、建立上行导频训练模型并推导MMSE信道估计：在一般瑞利块衰落信道下，建立干扰机恶意攻击下的采用低分辨率ADC结构的去蜂窝大规模MIMO系统上行导频训练模型，基于AQNM对导频传输阶段的AP端的低分辨率ADC量化输出建模，推导出MMSE信道估计；具体包括：考虑存在L个多天线AP，K个单天线UE和1个多天线干扰机的去蜂窝大规模MIMO系统，每个AP配备N根天线且干扰机配备M根天线，当K个UE同时向AP发射导频时，序号为j的干扰机也向AP发射导频信号，APl中第l个AP接收到的导频矢量表达式为： 上式中，ρp为UE的导频传输功率，表示UEk的长度为τ的导频序列，其中序号k表示第k个UE；式中的上标H表示共轭转置，qp为干扰机的导频传输功率，假设干扰机不知晓UE的导频序列并选择一个均匀分布在单位球上的随机序列作为其每根天线上的导频信号，其满足其中表示期望运算符，此外，代表APl处的加性高斯白噪声，为APl和UEk之间的信道矢量，为APl和干扰机的第m根天线之间的信道矢量，利用AQNM对低分辨率ADC量化输出建模，量化后的Yl表达式为： 其中，表示与APl的ADC分辨率bl有关的量化失真因子，当bl取值为1，2，3，4，5时，对应的αl等于0.6366，0.8825，0.9655，0.9905，0.9975；当bl5时，矩阵表示与Yl不相关的量化噪声，其协方差矩阵为其中diagA表示由矩阵A的对角元素组成的对角阵，利用MMSE准则估计信道，得出信道glk的MMSE估计表达式为： 其中，βlk为APl和UEk之间的大尺度衰落系数，βlj为APl和干扰机之间的大尺度衰落系数，δ2表示高斯白噪声功率，此外，的二阶矩等于：步骤2、推导UE总速率闭式表达式并建立UE总速率最优化问题：建立干扰机恶意攻击下的采用低分辨率ADC结构的去蜂窝大规模MIMO系统上行数据传输模型，基于AQNM得到AP端包含量化噪声的接收数据信号表达式；AP采用MRC技术对接收信号进行处理并将处理后的信号发送至CPU，CPU利用UatF技术推导出UE总速率闭式表达式；以UE数据发射功率限制为约束条件，建立UE总速率最优化问题；具体包括：基于所述步骤1中的描述，APl接收到的数据信号经过ADC量化后，其表达式为 其中，xk和sj分别为UEk和干扰机发射的数据信号，ρu和qu则分别表示对应的数据发射功率；此外，0≤ηk≤1为UEk的功率控制系数，nl为加性高斯白噪声，为量化噪声，其协方差矩阵为其中APl采用MRC矢量对解码并将解码后的信号转发至CPU，CPU接收到的总信号表达式为： 利用UatF技术，可推导出UEk的上行速率表达式为： 基于上式，UE的总速率可表示为因此，UE总速率优化问题可表示为： 其中，η＝[η1,...,ηK]T表示由所有UE的功率控制系数组成的矢量，约束1表示UE数据发射功率应满足的条件；步骤3、设计UE总速率最优化方法：采用基于APG的总速率最优化算法：求解所述步骤2中建立的UE总速率最优化问题，拟求解的总速率优化问题关于UE发射功率系数是可微分的，首先分别计算出目标函数的梯度和UE发射功率系数在可行集上的投影，在此基础上再利用APG算法求解该优化问题的一个次优闭式解，最终达到优化UE总速率的目的，采用APG技术求解优化问题具体步骤包括：步骤一、定义ξ＝[ξ1,ξ2,...,ξK]T，所述步骤2中的UE总速率最优化问题可以等价改写为： 其中，表示ξ的可行集， 步骤二、目标函数关于变量ξ是可微分的，在运用APG算法求解优化问题时需计算函数的梯度和变量ξ在可行集的投影，首先，目标函数的梯度可计算为： 而上式中函数对变量的偏导数可写为： 其中，当k'＝k时，当k'≠k时，紧接着，由于变量ξ在可行集的投影是优化问题的解，可得： 其中，[x]+表示矢量x在第一象限上的投影；步骤三、第i+1次迭代时，变量ξi+1的更新函数为： 其中，表示梯度运算符，此外，υ0表示梯度下降步长且υ应小于的Lipschitz常数的倒数以保证算法的收敛性，其中ρ为辅助更新常数；步骤四、判断是否成立，其中为最大迭代次数，如果不成立，令i＝i+1，重复步骤三至步骤四，直至满足终止条件；步骤五、令即可求出原始优化问题的一个次优解。

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浙江师范大学，其通讯地址为：321004 浙江省金华市迎宾大道688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”。