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 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 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 > 华南理工大学季飞获国家专利权

华南理工大学季飞获国家专利权

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!

龙图腾网获悉华南理工大学申请的专利一种基于智能反射面辅助多蜂窝异构网络的干扰处理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:CN117062148B

龙图腾网通过国家知识产权局官网在2025-07-22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:202311012241.3,技术领域涉及:H04W28/02;该发明授权一种基于智能反射面辅助多蜂窝异构网络的干扰处理方法是由季飞;庞浩然;温淼文设计研发完成,并于2023-08-11向国家知识产权局提交的专利申请。

一种基于智能反射面辅助多蜂窝异构网络的干扰处理方法在说明书摘要公布了:本发明公开一种基于智能反射面辅助多蜂窝异构网络的干扰处理方法,包括:构建以宏微基站发射功率为目标的资源优化问题;设置宏微基站的初始预编码矩阵,智能反射面的初始反射系数;给定当前迭代的反射系数,宏基站通过求解问题的对偶问题得到拉格朗日乘子集并结合拉格朗日乘子集获得的信道状态信息和将要发送的调制符号,以符号级预编码准则设计预编码矩阵;宏基站将微基站的预编码矩阵分解为相位部分和功率部分;在本次迭代中,给定宏微基站的预编码矩阵,宏基站计算关于反射系数的宏微设备根据符号级预编码准则下转换的接收信号质量和跨层干扰表达式,然后得智能反射面的反射系数。本申请能够有效利用异构网络中多用户干扰和跨层干扰。

本发明授权一种基于智能反射面辅助多蜂窝异构网络的干扰处理方法在权利要求书中公布了:1.一种基于智能反射面辅助多蜂窝异构网络的干扰处理方法,其特征在于,所述方法包括: 步骤1:根据服务宏设备和微设备的服务质量需求,构建宏微基站的发射功率最小化优化问题P1,联合优化宏微基站的预编码矩阵和智能反射面的反射系数; 步骤2:设置初始迭代索引q=0,设置初始宏基站发射预编码向量W0和发射功率微基站发射预编码矩阵V0和发射功率智能反射面IRS的反射系数θ0; 步骤3:给定第q次迭代的反射系数θq,将发射功率最小化优化问题P1转换成单目标优化问题P2;求解单目标优化问题P2的对偶问题P3′,得到拉格朗日乘子,根据KKT条件的最优性,计算第q次迭代的最优宏基站预编码矩阵 步骤4:微基站的最优预编码向量vn包括相位部分和功率部分,其表达式为其中是一个单位波束向量,满足通过对拉格朗日函数的梯度值置零,得到求解最优预编码向量vn的功率部分构建标准的干扰函数,该函数具有正性和单调性,通过迭代的功率控制方法对干扰函数进行迭代,得到最优的功率部分 步骤5:给定计算的最优宏基站预编码矩阵和通过基于黎曼流形的多梯度下降法计算反射系数; 其中,设计宏微基站的预编码矩阵,包括:设置宏基站对每个宏设备的预编码向量组成的向量为表达式为[·]H为共轭转置操作,定义的实数向量为其中和分别为的实部和虚部;在给定第q次迭代的反射系数θq的情况下将代入单目标优化问题P2,得到关于和V两个优化变量对应的优化问题P3,推导优化问题P3的拉格朗日函数得到优化问题P3的对偶问题P3′,求解单目标优化问题P2的对偶问题P′3,得到拉格朗日乘子ψ=[ψ1,ψ2,...,ψN]T,ρ=[ρ1,ρ2]T,v=[v1,v2,...,vk]T求解对偶问题P3′,得到拉格朗日乘子ψ=[ψ1,ψ2,...,ψN]T,ρ=[ρ1,ρ2]T,v=[v1,v2,...,vK]T,根据KKT条件的最优性,得到当前迭代下的最优宏基站预编码矩阵具体表达式如下: 其中0ξ11表示为优化宏基站发射功率的权重值,vk表示第k个宏设备对应的QoS约束的拉格朗日乘子,ψn表示第n个微设备对应的QoS约束的拉格朗日乘子,ρ1和ρ2分别表示宏基站和微基站对应的发射功率约束的拉格朗日乘子,表示2NM维的单位矩阵,σM,k表示第k个宏设备的高斯白噪声的标准差,ΓM,k表示第k个宏设备的最低信干燥比需求,表示调制星座点的阈值角度,Φn,k和为由信道增益向量的实部和虚部以及调制符号信息组成的矩阵和向量; 步骤4中,单位波束向量的表达式如下: 其中,ξ2表示为优化微基站发射功率的权重值,gn表示微基站到第n个微设备的CSI,表示NP维的单位矩阵; 步骤4中,对于最优功率部分引入的标准的干扰函数的表达式为: p=Ip 其中p=[p1,p2,…,pN]为微基站预编码向量对应的功率部分,为微基站的最优预编码向量vn的功率部分,I=[I1,I2,…,IN]为微设备关于p的标准干扰函数集合,表示第n个微设备的标准的干扰函数,其表达式如下: ΓP,n和分别表示第k个宏设备的最低QoS需求和高斯白噪声的方差,表示微基站最优预编码向量的相位部分,pj为微基站的预编码向量vj的功率部分; 由于Ip具有正性和单调性,通过迭代的功率控制方法求解其迭代准则如下: pl=Ipl-1, 其中pl和Ipl-1表示第l次迭代的解,当初始功率向量是可行解时,迭代功率控制方法收敛于唯一不动点p*,得到微基站的最优预编码向量

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华南理工大学,其通讯地址为:510640 广东省广州市天河区五山路381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。