Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 西安交通大学王熠晨获国家专利权

西安交通大学王熠晨获国家专利权

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!

龙图腾网获悉西安交通大学申请的专利对抗PCA的大规模MTC免授权信道估计与用户检测方法与系统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:CN119012198B

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:202410953185.1,技术领域涉及:H04W12/122;该发明授权对抗PCA的大规模MTC免授权信道估计与用户检测方法与系统是由王熠晨;王奕欣;王弢;王璋楠设计研发完成,并于2024-07-16向国家知识产权局提交的专利申请。

对抗PCA的大规模MTC免授权信道估计与用户检测方法与系统在说明书摘要公布了:本发明公开了一种对抗PCA的大规模MTC免授权信道估计与用户检测方法与系统:基于免授权mMTC网络构建毫米波上行多输入多输出系统模型,根据三维的接收信号矩阵和三维的CVR矩阵构建具有时间相关二维稀疏性的三维传输模型;基于构建的三维传输模型,联合信道估计、活跃用户检测、导频污染攻击检测可转换成在连续T个时隙下,从接收信号中恢复稀疏CVR矩阵的稀疏信号恢复问题,该问题表达成下述的三维多测量向量压缩感知问题;基于期望最大化的并行多测量向量近似消息传递算法求解所述问题,得到估计的活跃LU集合PCA攻击者集合与LU的信道矩阵本发明提高了用户活跃性检测与数据解码的准确性,提高导频污染攻击检测的正确性,获得较优的系统性能。

本发明授权对抗PCA的大规模MTC免授权信道估计与用户检测方法与系统在权利要求书中公布了:1.一种对抗PCA的大规模MTC免授权信道估计与用户检测方法,其特征在于,包括以下步骤: 基于免授权mMTC网络构建毫米波上行多输入多输出系统模型,考虑连续个时隙的传输结构,通过将个时隙的接收信号结合,得到一个三维的接收信号矩阵,将个时隙的CVR矩阵结合,得到三维的CVR矩阵,根据三维的接收信号矩阵和三维的CVR矩阵构建具有时间相关二维稀疏性的三维传输模型; 基于构建的三维传输模型,联合信道估计、活跃用户检测、导频污染攻击检测可转换成在连续个时隙下,从接收信号矩阵中恢复稀疏CVR矩阵的稀疏信号恢复问题,该问题表达成下述的三维多测量向量压缩感知问题: 其中,表示对的估计结果;用内部的时间相关的二维稀疏结构简化该问题,将三维多测量向量压缩感知问题等效为成估计个长的稀疏向量的问题,,为基站的天线索引集,为合法用户索引集;基于期望最大化的并行多测量向量近似消息传递算法求解估计个长的稀疏向量的问题,得到三维MMV压缩感知问题的解,并得到估计的活跃合法用户LU集合,导频污染攻击PCA攻击者集合,与合法用户LU的信道矩阵;系统模型包括一个预备根天线的基站,个单天线合法用户LU,和不定数量的导频污染攻击PCA攻击者;由于mMTC零星传输的特征,每时刻有不超过10%的一部分合法用户LU处于活跃状态;且每个合法用户LU相对基站的位置固定,攻击者位置在小区内移动;合法用户LU索引集表示为,基站的天线索引集表示为;每个合法用户LU被分配一个唯一的导频序列,长度为;考虑合法用户LU与导频污染攻击PCA攻击者共存的场景,攻击者随机发送和某个合法用户LU相同的导频序列,以污染导频信道,基站侧在时隙接收到的来自所有活跃合法用户LU与攻击者的导频信号表示为,其中和分别表示活跃合法用户LU与攻击者的信道矩阵,表示导频矩阵,表示噪声;构建具有时间相关二维稀疏性的三维传输模型,表示为,表示在时隙在虚拟角度域的导频接收信号,表示在虚拟角度域的接收信号,表示归一化离散傅里叶变换矩阵,表示对矩阵进行共轭转置,表示时隙的CVR矩阵,和表示活跃合法用户LU与攻击者的CVR矩阵,表示时隙在虚拟角度域的噪声;三维传输模型联合描述用户活跃状态与毫米波虚拟信道的稀疏性,以及合法用户LU活跃状态在多个时隙内的时间相关性。

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西安交通大学,其通讯地址为:710049 陕西省西安市碑林区咸宁西路28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。

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。