【每周精选】东莞理工学院专利成果转让

专利摘要：本发明提出了6G无蜂窝大规模天线阵列的同步信号配置方法及系统，涉及6G通信的技术领域。其方法包括：从建立的拓扑图中获取相邻天线传输接收节点集合，切换相邻天线传输接收节点集合；以整网中相邻天线传输接收节点之间主同步信号和辅同步信号的干扰最小作为目标函数，以天线传输接收节点共用一个物理小区号、相邻天线传输接收节点集合中的各节点ID模值互异、切换相邻天线传输接收节点集合中的各节点ID模值互异作为约束条件，建立同步信号配置优化模型并求解，得到标识符ID，从而使整网中相邻天线传输接收节点之间主同步信号和辅同步信号的干扰最小。本发明能有效减少同步信号之间的互相干扰，保证用户6G网络中同步、切换的成功率，提升用户体验。

专利摘要：本发明提出了一种基于长短期记忆和注意力的分簇方法及系统，涉及无线通信网络的技术领域。该方法包括用户设备测量其服务的无线电单元，以及与其服务的无线电单元相邻的若干无线电单元的信道状态信息，并将信道状态信息反馈至各自无线电单元；计算无线电单元当前各自的负载因子，利用云端计算平台对负载因子和若干个无线电单元的信道状态信息进行预处理，得到接收信号最强的M个无线电单元的信道状态信息；将M个无线电单元的信道状态信息作为基于长短期记忆和注意力的谱效预测模型的输入，输出用户设备的频谱效率；基于用户设备的频谱效率，对用户设备通信的无线电单元进行分簇。本发明有效降低了计算复杂度，提高了分簇效率，能够拓展应用到大规模网络。

专利摘要：本发明涉及通信领域，涉及基于内点策略优化的主动移动性负载均衡方法及系统。其方法包括构建信干噪比模型，通过RS‑BART进行预测轨迹，得到两组UE‑BS关联，分别为可靠UE‑BS关联和不可靠UE‑BS关联；构建以最大化Jain指数为优化目标的MLB和MRO的联合优化问题，通过内点策略来解决MLB和MRO的联合优化问题，对不可靠UE‑BS关联进行优化，得到优化后UE‑BS关联；根据优化后UE‑BS关联以及可靠UE‑BS关联，确定所有可行UE‑BS关联；根据所有可行UE‑BS关联以及小区个性偏移量的允许范围，计算小区个性偏移量；通过调整小区个性偏移量，实现用户的重新关联，完成负载均衡。本方法首先使用RS‑BART预测轨迹，确定所有可行UE‑BS关联，当进行移动性均衡负载时，可以缩小选择范围，提高了均衡效率。

专利摘要：本发明提出了一种基于5.5G自治网络的负载均衡方法、装置及设备，涉及移动通信无线网络的技术领域。其包括建立5.5G运营支撑平台，利用网络数据平台获取用户轨迹信息；将用户轨迹信息输入至网络AI平台中预训练的用户轨迹预测模型，输出基于分数位回归的负载控制指令；令用户轨迹预测模型考虑由小区组成的异构无线网络，以异构无线网络的最大资源分配指数作为用于决定负载控制指令的目标函数，设置目标函数的资源分配约束条件，构建优化问题；利用内点策略，对优化问题进行求解，得到异构无线网络的最大资源分配指数。本发明在考虑到移动鲁棒性的同时，优化了自治网络的负载，实现了5.5G场景下超密集网络的负载均衡。

专利摘要：本发明公开了一种基于O‑RAN系统的移动负载均衡方法、系统、设备及介质。该方法应用于开放的无线接入网O‑RAN系统中的无线接入网控制器RIC，包括以下步骤：第一步，为超密集组网UDN调整移动负载均衡（MLB）策略和移动鲁棒性优化（MRO），预测所有基站下一时段的负载因子；第二步，基于MLB和MRO的要求，给出每个基站的小区个性偏移CIO的可行区域；第三步，基于CIO的可行区域，采用网络公平性Jain指数作为移动负载均衡（MLB）和移动鲁棒性优化（MRO）的目标函数；第四步，调整发射功率pi以及各小区BSi的CIO，达到全网Jain指数最大化，从而实现全网小区的移动负载均衡。通过本发明方法，可以解决5.5G或6G网络中基于O‑RAN标准的超密集组网场景中的移动负载均衡与鲁棒性问题。