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！

龙图腾网获悉南京邮电大学申请的专利基于自适应匹配追踪的大规模多址接入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：CN116708089B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310812717.5，技术领域涉及：H04L25/02；该发明授权基于自适应匹配追踪的大规模多址接入方法是由张晶;马林;魏国;朱洪波设计研发完成，并于2023-07-04向国家知识产权局提交的专利申请。

本基于自适应匹配追踪的大规模多址接入方法在说明书摘要公布了：本发明属于无线通信技术领域，公开了基于自适应匹配追踪的大规模多址接入方法，首先，大规模用户终端中的部分活跃用户发送扩频信号至基站，执行上行接入传输；接着，基站接收多用户的上行信号并将其建模为块稀疏向量，利用该向量重构新的上行接收信号方程；然后，基站采用基于块稀疏模型的自适应匹配追踪算法执行活跃用户检测并重构用户发送数据。本发明适用于大规模终端零星突发上行传输场景，能够在减轻用户终端开销的前提下实现大规模终端的免授权随机接入，提升蜂窝网络的上行吞吐量。

本发明授权基于自适应匹配追踪的大规模多址接入方法在权利要求书中公布了：1.基于自适应匹配追踪的大规模多址接入方法，其特征在于，包括如下步骤： 步骤1、单蜂窝小区上行传输场景中，大规模用户终端中的部分活跃用户发送扩频信号至基站，执行上行接入传输； 步骤2、基站接收多用户的上行信号并将其建模为块稀疏向量，利用该向量重构新的上行接收信号方程； 步骤3、基站采用基于块稀疏模型的自适应匹配追踪算法执行活跃用户检测并重构用户发送数据；具体为： 假设信道先验已知，将堆栈后的上行接收信号向量p∈CNJ×1和新观测矩阵D∈CNJ×KJ作为输入参数，基站重构的用户数据作为输出；令活跃用户搜索步长初值为活跃用户稀疏度为S；第q次迭代活跃用户搜索步长为活跃用户初选集与候选集分别为Bq和Cq，活跃用户初选集Bq的大小为L；第q次迭代活跃用户索引集即支持集为Γq；第q次迭代的残差信号，即向量p与第q次迭代重构信号的差向量为rq；其中，K为用户数量；N为给每个用户分配的扩展序列的长度；每个用户采用时间帧结构传输上行数据，每帧包含J个时隙； 基于上述变量定义，基于块稀疏模型的自适应匹配追踪算法执行活跃用户检测并从接收信号向量p中恢复数据信号X的具体步骤如下： 步骤3-1：初始化算法参数； 迭代次数初值q＝0；支撑集初值活跃用户搜索步长初值稀疏度初值S＝0，活跃用户初选集大小L＝0；残差信号初值r0＝p； 步骤3-2：计算活跃用户搜索步长初值 计算堆栈后的信号向量c的LS估计值为： 其中，DT表示新观测矩阵D的转置；p为基站接收信号矩阵Y的堆栈向量； 根据式11计算活跃用户搜索步长初值 其中，Card·为计算集合元素个数的函数；M表示向量的最大块模值， 表示向量的第i个元素，|·|表示计算元素模值；θ表示步长松弛因子，θ∈0,1； 令q＝1，当前迭代活跃用户稀疏度为当前迭代活跃用户搜索步长为当前迭代活跃用户初选集大小为 步骤3-3：计算当前迭代的活跃用户初选集Bq和候选集Cq，估计重构信号 将观测矩阵D的转置矩阵DT与第q-1次迭代的残差信号rq-1相乘，将乘积后向量的元素每J个一组分块，找出其中数据模值和最大的前L个数据块对应的用户索引，即可获得当前迭代的活跃用户初选集Bq，如式12所示： 其中，函数argLMax表示取出某向量或集合中L个最大元素的索引；DT表示观测矩阵D的转置；rq-1表示第q-1次迭代的残差信号；向量DTrq-1的第i个元素对应第个用户，符号表示取下整数； 采用回溯思想，将当前迭代的初选集Bq与上次迭代的支持集Γq-1合并，得到当前迭代的活跃用户候选集Cq： Cq＝Bq∪Γq-113 基于LS准则重构当前迭代检测出的活跃用户的数据向量 其中，表示活跃用户的观测矩阵的伪逆矩阵； 步骤3-4：筛选活跃用户索引，获得当前迭代的支持集Γq； 根据上次迭代的残差信号rq-1计算当前迭代的自适应能量阈值σq： 其中，ε表示给定的噪声阈值；η表示能量松弛因子，η∈0,1； 为了减少过估计情况的发生，根据能量阈值σq对重构信号进行筛选，即选出重构信号中能量超过阈值σq的数据块对应的用户索引，更新支持集Γq为： 其中，表示重构信号的第k-1J至kJ个元素对应的向量，该向量对应用户k的数据块；||·||2表示向量的2范数，即计算向量的能量； 为了防止欠估计情况的发生，进一步计算当前支持集的大小||Γq||0以检验当前迭代检出的活跃用户数目；若||Γq||0＜L，执行步骤3-5，否则执行步骤3-6； 步骤3-5：更新当前迭代的支持集Γq； 从步骤3-3得到的重构信号向量中选出能量最大的L个数据块对应的用户索引，根据式17更新当前迭代的支持集Γq，执行步骤3-6； 其中，表示重构信号的第k-1J至kJ个元素对应的向量， 步骤3-6：更新重构信号计算第q次迭代的残差信号rq和下次迭代的步长 利用步骤3-5更新的支持集Γq删除重构信号中的干扰信息，即令不属于支持集Γq的用户重构信号为零，如式18所示： 其中，表示重构信号的第k-1J至kJ个元素对应的向量；{1,2,…,K}\Γq表示不属于支持集Γq的用户索引集合； 根据式18更新重构信号根据式19计算当前迭代的残差信号rq： 根据式20计算下次迭代的步长 步骤3-7：判断是否满足算法停止条件； 比较残差信号能量||rq||2与给定的噪声阈值ε以判断当前迭代是否停止： 1若||rq||2≤ε，执行步骤3-10； 2若||rq||2＞ε，当前迭代算法尚未收敛，执行步骤3-8； 步骤3-8：判断是否需要改变初选集大小和稀疏度值； 比较当前迭代的残差信号能量||rq||2与前次迭代的残差信号能量||rq-1||2，以判断是否需要调整活跃用户初选集大小和稀疏度值： 1若||rq||2≥||rq-1||2，即当前迭代的残差信号能量大于前次迭代的残差信号能量，这表明当前迭代出现了过估计，根据式21调整活跃用户初选集大小L和稀疏度S： 迭代次数q＝q+1，返回步骤3-3，执行下次迭代检测； 2若||rq||2＜||rq-1||2，即当前迭代的残差信号能量小于前次迭代的残差信号能量，当前迭代出现欠估计情况，执行步骤3-9； 步骤3-9判断是否执行阶段转换； 计算本次迭代的支持集Γq与上次迭代的支持集Γq-1的差集Γdiff，如式22所示： Γdiff＝Γq\Γq-122 其中，γ表示迭代次数调节因子，γ∈0,1； 判断差集Γdiff的大小||Γdiff||0是否满足式23： 1若满足，根据式21调整活跃用户初选集大小L和稀疏度S，迭代次数q＝q+1，返回步骤3-3，执行下次迭代检测； 2若不满足，迭代次数q＝q+1，返回步骤3-3，执行下次迭代检测； 步骤3-10：输出重构的用户发送信号并结束算法； 令输出信号向量对向量进行逆堆栈操作，即将向量的每J个元素排成一列形成矩阵并转置，如式24所示，得到原发送信号X的估计值 输出重构的发送信号活跃用户索引集合即支持集Γ＝Γq。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区亚东新城文苑路9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”。

以上内容由龙图腾AI智能生成。