专利交易市场

本发明涉及一种NOMA增强的无人机辅助建模分析方法，属于通信技术领域。该方法中无人机和地面基站分布服从泊松点过程，选用合适的无人机和地面基站的大尺度衰落和小尺度衰落模型进行建模，设定一个典型用户进行信干噪比分析，然后推导典型用户与两层基站的距离分布以及关联两层基站的概率，进而可以推导得出干扰的拉普拉斯变换。根据SINR与干扰的拉普拉斯变换，推导得到信干噪比覆盖率的表达式。本发明从理论方面来对NOMA增强的无人机辅助蜂窝网络进行分析，对未来相关场景研究提供一个理论上的参考，对实际无人机辅助蜂窝网络的设计提供指导。

本发明提供的基于NSGA2(非支配多目标优化遗传算法)训练的AMP检测方法和系统，将用户比特流映射到相应星座点；对信号作ISFFT变换，把信号映射到时频域中再经IFFT变换，把时频域信号转换为时域信号流；将时域信号流经过Jakes信道模型；取出每个用户的频域信号作SFFT变换得到相应的时延多普勒信号；将得到的信号进行AMP迭代检测，计算最小MSE，当MSE小于阈值时中止迭代；完成当前信号解调过程，依据迭代次数趋势图确立固定迭代次数，通过遗传算法多目标优化得到最优参数；将最优参数放入AMP检测方法进行检测。本发明通过计算迭代收敛率，在兼顾性能的同时确立最佳迭代次数，每层迭代的收敛因子看作独立参数，通过NSGA2算法训练出的参数对比固定参数有效性能提升。

一种单跳移动的分子通信模型的信道容量和比特错误率分析方法，包括以下步骤：第一步，利用泊松分布逼近二项分布得到当前时隙RN收到分子的个数；第二步，建立单跳移动的分子通信模型的假设检测信道模型；第三步，采用最小误差准则得到了最优决策阈值ξopt的数学表达式；第四步，在最优决策阈值ξopt基础上，获得最优的信道容量的和比特错误率。本发明为设计高信道容量和低比特错误率的单跳移动的分子通信系统提供了技术支撑。

本发明公开了一种无线通信系统安全符号级预编码方法，包括：建立发射端符号级预编码信号和窃听者SINR之间的关系模型；通过智能窃听者的SINR约束和恒模约束，以及基站已知的窃听者的信道状态信息或统计信道状态信息，对窃听者SINR进行优化；引入BCD算法将目标问题转化为两层迭代问题，然后基于半正定松弛和高斯随机化方法推导出非凸约束下RIS问题的近似解；计算窃听者SINR约束和智能反射面反射系数约束下的符号级预编码信号；最后对获得的信号进行AN预编码，得到AN预编码信号。因此，本方法能够实现在满足无线通信系统性能的同时既降低了整体的功耗又保证了无线通信系统的通信安全。

本发明公开了一种基于粘性隐马尔可夫模型的多带频谱感知方法，其将每个频带对应的接收信号功率作为隐马尔可夫模型中的观测数据；确定观测数据所对应的隐藏状态及属于各类隐藏状态的概率，确定状态转移概率矩阵；隐马尔可夫模型中引入粘性因子得到粘性隐马尔可夫模型；计算粘性隐马尔可夫模型中所有观测数据对应的隐藏状态在每次迭代下的聚类结果、状态转移概率矩阵在每次迭代下的值、均值和精度在每次迭代下的值；将均值在最后一次迭代下的每个元素的值作为对应一类隐藏状态的功率估计值，进而获得每个频带的功率估计值，再与门限值比较，确定频带是否被授权用户占用；优点是不管频带是否具有稀疏性，均能对多个频带同时进行频谱感知，且性能好。

本发明属于移动通信技术领域，特别涉及一种用于MU‑MIMO一比特ADC系统的检测方法，包括根据MU‑MIMO的信道矩阵列向量的二范数对用户排序；将当前需要检测的用户信号作为有用信号、未检测的信号作为干扰，计算信干噪比；根据改进的软输入检测算法，在N并行B‑DMC框架中计算当前检测用户每比特信息的软信息，且每次检测只检测o个用户的信息；如果所有用户的信息均检测完毕，那么结束检测过程，否则继续检测下一个用户；本发明降低了信号检测的复杂度，有利于工程实行。

本发明涉及一种基于非正交多址接入的携能通信网络用户配对方法，属于无线通信技术领域。该方法包括：S1：构建基于非正交多址和携能网络的系统模型；S2：在第一个时隙传输阶段，中心用户和边缘用户均直接接收从基站侧发出的信息，中心用户能检测到基站发送给边缘用户的信息；S3：在第二个时隙传输阶段，中心用户具有携能技术，分割部分功率进行收集能量，为边缘用户解码转发信息服务；S4：构建基于基站与用户的信道状态的最佳用户配对方案；S5：确定功率分配、分割因子和能量效率。本发明能够有效地降低用户的中断概率，并具有较低的计算复杂度。

本发明公开了一种基于粘性隐马尔可夫模型的噪声功率估计方法，其计算每个感知时隙对应的接收信号功率，作为隐马尔可夫模型中的观测数据；确定每个观测数据所对应的隐藏状态及属于各类隐藏状态的概率，确定状态转移概率矩阵；在隐马尔可夫模型中引入粘性因子，得到粘性隐马尔可夫模型；计算粘性隐马尔可夫模型中所有观测数据对应的隐藏状态在每次迭代下的聚类结果、状态转移概率矩阵在每次迭代下的值、均值和精度在每次迭代下的值；将均值在最后一次迭代下的值中每个元素的值作为对应一类隐藏状态的功率估计值，将最小功率估计值作为噪声功率的估计值；优点是其在接收信号中是否含有授权用户信号未知的情况下，能够快速、准确地估计出噪声功率。