TWI745259B - 應用於5g智慧製造設備的天線信號均優化方法 - Google Patents
應用於5g智慧製造設備的天線信號均優化方法 Download PDFInfo
- Publication number
- TWI745259B TWI745259B TW110115233A TW110115233A TWI745259B TW I745259 B TWI745259 B TW I745259B TW 110115233 A TW110115233 A TW 110115233A TW 110115233 A TW110115233 A TW 110115233A TW I745259 B TWI745259 B TW I745259B
- Authority
- TW
- Taiwan
- Prior art keywords
- signal
- antenna
- axis
- gain
- equation
- Prior art date
Links
Images
Landscapes
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
一種應用於5G智慧製造設備的天線信號均優化方法,包含:即時接收智慧製造設備每一天線的訊號並擷取通道容量,及訊號參數;提供XY分佈圖,X軸定義為通道容量,Y軸定義為訊號參數,並於XY分佈圖做出通過通道容量平均值並垂直於X軸的目標線;將所有天線的通道容量對應於X軸,所有天線的訊號參數對應於Y軸,標記點於XY分佈圖,依據標記點於XY分佈圖擬合出回歸方程式;依據回歸方程式建立修正方程式,修正方程式為回歸方程式的平行方程式,且每一標記點對應一修正方程式,將目標線之值帶入修正方程式後以得到修正後之回歸值訊號參數。
Description
本發明是有關一種天線信號均優化方法,特別是指一種應用於5G智慧製造設備的天線信號均優化方法。
隨著資通訊科技的快速發展與智慧工廠的未來趨勢,利用物聯網及智慧型感控系統打造高度自動化的智慧製造成為目前工業大廠極力打造的未來工廠樣貌。
智慧製造工廠指將工廠內部多台設備透過資通訊科技利用自動化流程將其組合成聯合系統,透過各種感測、控制、執行設備進行協調、運輸、生產及檢驗分析等流程,使產品製程依照使用者要求自動實現,以大幅減少人為操作的成本與錯誤率。目前4G網路成熟,行動網路技術已開始往5G發展,5G不僅能帶來更大的傳輸頻寬,更具備低網路延遲與支援大量節點裝置連線的特性,因此在智慧製造領域有相當大的應用潛力。
然而,工廠內部環境複雜,各機台間的擺放位置造成互相金屬屏蔽的5G訊號不良,且當機台高速運轉時的大電力,也會造成5G訊號干擾,倘若將機台間的距離拉開,也不會改善5G訊號傳輸不順暢的問題,一樣會有干擾的問題,另外,廠內的機具啟閉、大型機台的移動、製造過程產生的熱能以及灰塵/微粒,甚至是機台設備的材質結構,都會干擾無線通訊訊號。因此,如何在5G 訊號下維持智慧製造的天線訊號順暢效率,為所需解決問題之一。
本發明之目的,係提供一種應用於5G智慧製造設備的天線信號均優化方法,包含下列步驟。
一控制系統即時接收該智慧製造設備之每一天線的訊號,以擷取該每一天線的通道容量(Capacity),以及一訊號參數;提供一XY分佈圖,其中,X軸定義為通道容量,Y軸定義為該訊號參數,並於XY分佈圖上做出一通過通道容量平均值並垂直於X軸的目標線;將所有天線的通道容量對應於X軸,並將所有天線的訊號參數對應於Y軸,標記點於該XY分佈圖上,並依據該等標記點於該XY分佈圖上擬合出一回歸方程式;及依據該回歸方程式建立一修正方程式,而該修正方程式為該回歸方程式的平行方程式,且每一標記點對應一修正方程式,將目標線之值帶入該修正方程式後以得到修正後之回歸值訊號參數。
較佳地,該訊號參數選自於訊號雜訊比(Signal-to-noise ratio,SNR)、路徑損耗後所收到之增益(Gain after Path Loss,Gain)、誤差向量幅度(Error Vector Magnitude,EVM)。
較佳地,是以最小平方法依據該等標記點於該XY分佈圖上擬合出該回歸方程式。
較佳地, 是以最小平方、多次線性迴歸、或主成分分析依據該等標記點於該XY分佈圖上擬合出該回歸方程式。
較佳地,將該每一天線的訊號雜訊比、路徑損耗後所收到之增益、誤差向量幅度等數值與該訊號雜訊比、路徑損耗後所收到之增益、誤差向量幅度的修正後之回歸值訊號參數對應相減,以取得該每一天線的訊號雜訊比、路徑損耗後所收到之增益、誤差向量幅度等數值的均優化調整值。
較佳地,該控制系統作出該每一天線的訊號強度排序,計算訊號強度排序是擷取該每一天線的通道容量、訊號雜訊比、路徑損耗後所收到之增益、誤差向量幅度等數值,界定反向後正規化的路徑損耗後所收到之增益為正X軸方向,正規化的通道容量為負X軸方向,正規化的誤差向量幅度為正Y軸方向,正規化的訊號雜訊比為負Y軸方向,以作出一XY平面圖,定義每一天線之X軸參數為正規化的路徑損耗後所收到之增益與正規化的通道容量的差值,Y軸參數為正規化的誤差向量幅度與正規化的訊號雜訊比的差值,將該每一天線的X軸參數與Y軸參數標記在該XY平面圖上,計算該每一天線所有標記的包絡線面積百分比且由大到小進行排列,以得到訊號高低排序的天線判讀。
較佳地,該控制系統包括一與該智慧製造設備之每一天線連接的無線收發器、一與該無線收發器連接之收發天線,及一接收該無線收發器資料的AI人工智慧演算模組。
較佳地,該無線收發器支援頻段為6GHz 以下的FR1(Frequency Range 1)。
較佳地,該無線收發器支援介於24.25GHz~52.6GHz的毫米波範圍頻段FR2(Frequency Range 2)。
本發明之另一目的,係提供一種應用於5G智慧製造設備的天線信號均優化方法,包含下列步驟。
一控制系統即時接收該智慧製造設備之每一天線的訊號,以擷取該每一天線的通道容量(Capacity),以及訊號雜訊比(Signal-to-noise ratio,SNR)、路徑損耗後所收到之增益(Gain after Path Loss,Gain)、誤差向量幅度(Error Vector Magnitude,EVM)等訊號參數;提供一XY分佈圖,其中,X軸定義為通道容量,Y軸定義為該訊號參數,並於XY分佈圖上做出一通過通道容量平均值並垂直於X軸的目標線;將所有天線的通道容量對應於X軸,並將所有天線的訊號參數對應於Y軸,標記點於該XY分佈圖上,並以最小平方法依據該等標記點於該XY分佈圖上擬合出一回歸方程式;及依據該回歸方程式建立一修正方程式,而該修正方程式為該回歸方程式的平行方程式,且每一標記點對應一修正方程式,將目標線之值帶入該修正方程式後以得到修正後之回歸值訊號參數。
本發明之有益功效在於,藉由該控制系統從接收到資料顯示出均優化數據僅需不到30秒的時間,有助於呈現出廠區的真實信號分佈,而作出每一天線的原始訊號強度排序,可做為訊號強度高低排序的天線判讀,且由每一機台的天線原始量測數值,可得知各機台間信號通訊品質不佳的問題,再者,提供調整所有天線的訊號參數均優化建議,使各機台間的通道容量均優化,且於5G 訊號下維持智慧製造設備的天線訊號順暢效率,此外,透過該遠端監控系統顯示每一機台的天線原始量測數值、均優化的目標數值、均優化調整的需調整數值、天線訊號強度排序,讓使用者不需到工廠即可得知廠區內的訊號參數分佈,並作為日後工廠內每一機台5G訊號的收發模組自動化調整依據。
有關本發明之相關申請專利特色與技術內容,在以下配合參考圖式之較佳實施例的詳細說明中,將可清楚的呈現。
參閱圖1,為本發明應用於5G智慧製造設備的天線信號均優化方法,包含一控制系統。
該控制系統包括一與該智慧製造設備1之每一天線連接的無線收發器2、一與該無線收發器2連接之收發天線3,及一接收該無線收發器2資料的AI人工智慧演算模組4。該控制系統從接收到資料顯示出均優化數據僅需不到30秒的時間,有助於呈現出廠區的真實信號分佈。
於此,該無線收發器21支援頻段為6GHz 以下的FR1(Frequency Range 1),以及支援介於24.25GHz~52.6GHz的毫米波範圍頻段FR2(Frequency Range 2)。
參閱圖2,實際實施時,工廠內可擺設複數台智慧製造設備1(工業機台A~D),由每一工業機台上之天線各別與該無線收發器2訊號連接。
配合參閱圖3,本發明應用於5G智慧製造設備的天線信號均優化方法包含下列步驟。
首先,進行步驟91,該控制系統即時接收該智慧製造設備1之每一天線的訊號,以擷取該每一天線的通道容量(Capacity,Cap),以及一訊號參數。
其中,該訊號參數選自於訊號雜訊比(Signal-to-noise ratio,SNR)、路徑損耗後所收到之增益(Gain after Path Loss,Gain)、誤差向量幅度(Error Vector Magnitude,EVM),下面敘述亦稱Cap、SNR、Gain、EVM。
配合參閱下表1,為機台A~D分別設置一個天線的原始量測值,於圖4、圖4-1~4-4,及圖5中,以圓形(Point1)、菱形(Point2)、正方形(Point3)、X(Point4)等標記點分別代表機台A~D的天線量測數值。
表1
機台A | 機台B | 機台C | 機台D | |
Gain(dBm) | -53.623 | -59.071 | -49.141 | -55.604 |
EVM(dB) | -36.168 | -33.107 | -37.885 | -35.144 |
SNR(dB) | 30.518 | 27.255 | 31.123 | 29.589 |
Cap(bps/Hz) | 8.755 | 5.835 | 10.390 | 7.730 |
然後,進行步驟92,提供一XY分佈圖,其中,X軸定義為Cap,Y軸定義為SNR、Gain、EVM,如圖4中由左至右呈現Cap- Gain、Cap- EVM、Cap-SNR等XY分佈圖,並於XY分佈圖上做出一通過通道容量平均值並垂直於X軸的目標線T1。通道容量平均值為機台A~D的Cap相加除以4,所得平均值為 8.177。
接著,進行步驟93,將所有天線的通道容量Cap對應於X軸,並將所有天線的SNR、Gain、EVM等訊號參數對應於Y軸,標記點於該XY分佈圖上,並依據該等標記點於該XY分佈圖上擬合出一回歸方程式L1。於此,是以最小平方法依據該等標記點於該XY分佈圖上擬合出該回歸方程式L1。在此步驟中就是將原始的Cap、SNR、Gain、EVM等數值標記點於該XY分佈圖上,以擬合出該回歸方程式L1。
實際實施時,可以最小平方、多次線性迴歸、或主成分分析等其中之一種方法,依據該等標記點於該XY分佈圖上擬合出該回歸方程式L1。
最後,進行步驟94,依據該回歸方程式L1建立一修正方程式L2,而該修正方程式L2為該回歸方程式L1的平行方程式,也就是該修正方程式L2與該回歸方程式L1的斜率相同,且每一標記點對應一修正方程式L2,將目標線T1之值帶入該修正方程式L2後以得到修正後之回歸值訊號參數,如圖4-1~4-4的Cap- GainXY分佈圖,將圓形(Point1) 、菱形(Point2)、正方形(Point3)、X(Point4)等4個天線分別建立一個修正方程式L2,如圖中的L2_圓形、L2_菱形、L2_正方形、L2_ X,而Cap- EVM、Cap-SNR與Cap- Gain的XY分佈圖亦分別建立4個修正方程式L2,於此不一一繪製出或贅述,特別說明的是,依據設置天線的機台數量N個,會對應出N個修正方程式L2,不於此所揭露為限。
如圖5上的標記點,得到每一天線的訊號參數均優化結果,讓每一參數達到同樣的通道容量8.177。其中,將每一天線的訊號雜訊比SNR、路徑損耗後所收到之增益Gain、誤差向量幅度EVM等原始量測值與該訊號雜訊比SNR、路徑損耗後所收到之增益Gain、誤差向量幅度EVM的修正後之回歸值訊號參數對應相減,以取得所有天線的訊號雜訊比SNR、路徑損耗後所收到之增益Gain、誤差向量幅度EVM等數值的均優化調整值,如下表2所示。
表2
機台A | 機台B | 機台C | 機台D | |
Gain(dBm) | -1.248 | 5.057 | -4.775 | 0.966 |
EVM(dB) | 0.605 | -2.453 | 2.316 | -0.469 |
SNR(dB) | -0.498 | 2.016 | -1.904 | 0.385 |
Cap(bps/Hz) | -0.578 | 2.343 | -2.212 | 0.448 |
參閱圖6,該控制系統更作出該每一天線的原始訊號強度排序,計算訊號強度排序是擷取該每一天線的通道容量、訊號雜訊比、路徑損耗後所收到之增益、誤差向量幅度等數值,界定反向後正規化的路徑損耗後所收到之增益為正X軸方向,正規化的通道容量為負X軸方向,正規化的誤差向量幅度為正Y軸方向,正規化的訊號雜訊比為負Y軸方向,以作出一XY平面圖,定義每一天線之X軸參數為正規化的路徑損耗後所收到之增益與正規化的通道容量的差值,Y軸參數為正規化的誤差向量幅度與正規化的訊號雜訊比的差值,將該每一天線的X軸參數與Y軸參數標記在該XY平面圖上,計算該每一天線所有標記的包絡線面積百分比且由大到小進行排列,以得到訊號高低排序的天線判讀。
詳言之,擷取機台A~D的Cap、SNR、Gain、EVM等數值,每一天線之Gain與Cap相減所得的差值為X軸參數x1,EVM與SNR相減所得的差值為Y軸參數y1,於此,負X軸方向的絕對值等於通道容量,負Y軸方向的絕對值等於訊號雜訊比,將X軸參數與Y軸參數標記在該XY平面圖上,以得到一個(x1,y1)的座標點,舉例來說,EVM為-5 dB,SNR為10dB,兩者差值為5 dB,依快速擷取不同時間點作出(x2,y2) 、(x3,y3) …(xn,yn)個座標點,再利用標記的座標點將每一天線的分佈畫出一橢圓包絡線,並計算畫出之橢圓在第1~4象限(圖6標示為1~4)中的面積百分比,再將各象限中的面積百分比乘上各象限之權重後加總,得到每一天線的訊號強度,象限的權重比為:0%<第1象限≦15%,0%<第2象限≦30%,10%<第3象限≦50%,0%<第4象限≦30%,最後,將全部訊號強度由大到小排序,作為天線判讀的結果。
根據量測數據顯示天線接收的訊號參數因環境變化之情形:Gain越大信號強度越好,EVM越小信號強度越好,SNR越大信號強度越好;Cap越大信號強度越好,並將上述概念加入該控制系統判斷,於此可外接一遠端監控系統,以於其上顯示每一機台的天線原始量測數值、均優化的目標數值、均優化調整的需調整數值、天線訊號強度排序,讓使用者不需到工廠即可得知廠區內的訊號參數分佈。
參閱圖7-1~7-3,進行Antenna1、2、3、4(下稱天線1、2、3、4)等4個天線的強度排序測試結果,如上所述擷取4個天線的不同時間點作出的複數個座標點標記在該XY平面圖上,圖7-1為天線1、2、3、4一個時間點作出的標記,圖7-2為一段時間作出的複數個標記,圖7-3為將圖7-2的標記利用包絡線框出4個包絡線標記E1~E4,包絡線先框選最密集分布的80%標記點並固定斜率,滿足包絡線方程式:
,
,其中,當
時,包絡線為圓形,
為包絡線的半徑,當
時,包絡線為橢圓形,
為包絡線的長軸,
為包絡線的短軸,持續等比例擴大包絡線標記直到框選至90%的標記點即停止,以得到一個可框出最大化且不變形的包絡線標記。然後計算包絡線標記在第1~4象限中任一象限相對於包絡線總面積的面積百分比,再將各象限中的面積百分比乘上各象限之權重後加總,於此,第1~4象限的權重分別為1、2、3、2,得到每一天線的訊號強度。於圖7-3中,一旦超出可框出最大化且不變形的包絡線標記外即為雜訊。
參閱圖8-1~8-2,為利用包絡線方程式計算天線1~4的分數,舉以天線1為例,由圖8-1可知天線1在各象限的面積比Area(percent)為「Q1:0.0、Q2:0.280578331781625、Q3:0.719421668218375、Q4: 0.0」,天線1的分數計算為天線1在各象限佔比面積與權重「Q1:1、Q2:2、Q3:3、Q4: 2」乘積的總和,得到天線1的得分為「Q1:0.0(計算過程為0.0x1)、Q2: 0.561156663563251(計算過程為0.280578331781625x2)、Q3:2.15826500465512(計算過程為0.719421668218375 x3)、Q4: 0.0(計算過程為0.0 x2)」,總和Sum為2.71942166821837。以此類推天線2總和為1.0,天線3總和為2.04267106619749,天線4總和為3.0。因此,依照分數排名Rank,最好與次好的天線分別為天線4、天線1,其次為天線3、天線2。圖7-1~7-3的運算邏輯可採用Python,圖8-1~8-2的畫面由C#呈現。
綜上所述,本發明應用於5G智慧製造設備的天線信號均優化方法,藉由該控制系統從接收到資料顯示出均優化數據僅需不到30秒的時間,有助於呈現出廠區的真實信號分佈,而作出每一天線的原始訊號強度排序,可做為訊號強度高低排序的天線判讀,且由每一機台的天線原始量測數值,可得知各機台間信號通訊品質不佳的問題,再者,提供調整所有天線的訊號參數均優化建議,使各機台間的通道容量均優化,且於5G 訊號下維持智慧製造設備的天線訊號順暢效率,再透過該遠端監控系統顯示每一機台的天線原始量測數值、均優化的目標數值、均優化調整的需調整數值、天線訊號強度排序,讓使用者不需到工廠即可得知廠區內的訊號參數分佈,並作為日後工廠內每一機台5G訊號的收發模組自動化調整依據,故確實可以達成本發明之目的。
惟以上所述者,僅為本發明之較佳實施例而已,當不能以此限定本發明實施之範圍,即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾,皆仍屬本發明專利涵蓋之範圍內。
1:智慧製造設備
2:無線收發器
3:收發天線
4:AI人工智慧演算模組
T1:目標線
L1:回歸方程式
L2:修正方程式
E1~E4:包絡線標記
91~94:步驟
圖1是一示意圖,說明本發明應用於5G智慧製造設備的天線信號均優化方法之控制系統的訊號連接態樣;
圖2是一示意圖,說明該較佳實施例中工廠環境的模擬態樣;
圖3是一示意圖,說明本發明應用於5G智慧製造設備的天線信號均優化方法之步驟;
圖4是一示意圖,說明該較佳實施例中各天線的原始量測值標記點於XY分佈圖的模擬態樣;
圖4-1~4-4是一示意圖,說明該較佳實施例中每一天線建立一修正方程式的態樣;
圖5是一示意圖,說明該較佳實施例中各天線的回歸值標記點於XY分佈圖的模擬態樣;
圖6是一示意圖,說明該較佳實施例中以通道容量及訊號參數作出的XY平面圖態樣;
圖7-1~7-3是一示意圖,說明天線1~4的強度測試結果圖;及
圖8-1~8-2是一示意圖,說明天線1~4的分數結果圖。
91~94:步驟
Claims (10)
- 一種應用於5G智慧製造設備的天線信號均優化方法,包含︰ 一控制系統即時接收該智慧製造設備之每一天線的訊號,以擷取該每一天線的通道容量(Capacity),以及一訊號參數; 提供一XY分佈圖,其中,X軸定義為通道容量,Y軸定義為該訊號參數,並於XY分佈圖上做出一通過通道容量平均值並垂直於X軸的目標線; 將所有天線的通道容量對應於X軸,並將所有天線的訊號參數對應於Y軸,標記點於該XY分佈圖上,並依據該等標記點於該XY分佈圖上擬合出一回歸方程式;及 依據該回歸方程式建立一修正方程式,而該修正方程式為該回歸方程式的平行方程式,且每一標記點對應一修正方程式,將目標線之值帶入該修正方程式後以得到修正後之回歸值訊號參數。
- 依據請求項1所述之應用於5G智慧製造設備的天線信號均優化方法, 其中,該訊號參數選自於訊號雜訊比(Signal-to-noise ratio,SNR)、路徑損耗後所收到之增益(Gain after Path Loss,Gain)、誤差向量幅度(Error Vector Magnitude,EVM)。
- 依據請求項1所述之應用於5G智慧製造設備的天線信號均優化方法, 其中,是以最小平方法依據該等標記點於該XY分佈圖上擬合出該回歸方程式。
- 依據請求項1所述之應用於5G智慧製造設備的天線信號均優化方法, 其中,是以最小平方、多次線性迴歸、或主成分分析依據該等標記點於該XY分佈圖上擬合出該回歸方程式。
- 依據請求項2所述之應用於5G智慧製造設備的天線信號均優化方法, 其中,將該每一天線的訊號雜訊比、路徑損耗後所收到之增益、誤差向量幅度等數值與該訊號雜訊比、路徑損耗後所收到之增益、誤差向量幅度的修正後之回歸值訊號參數對應相減,以取得該每一天線的訊號雜訊比、路徑損耗後所收到之增益、誤差向量幅度等數值的均優化調整值。
- 依據請求項5所述之應用於5G智慧製造設備的天線信號均優化方法,其中,該控制系統作出該每一天線的訊號強度排序,計算訊號強度排序是擷取該每一天線的通道容量、訊號雜訊比、路徑損耗後所收到之增益、誤差向量幅度等數值,界定反向後正規化的路徑損耗後所收到之增益為正X軸方向,正規化的通道容量為負X軸方向,正規化的誤差向量幅度為正Y軸方向,正規化的訊號雜訊比為負Y軸方向,以作出一XY平面圖,定義每一天線之X軸參數為正規化的路徑損耗後所收到之增益與正規化的通道容量的差值,Y軸參數為正規化的誤差向量幅度與正規化的訊號雜訊比的差值,將該每一天線的X軸參數與Y軸參數標記在該XY平面圖上,計算該每一天線所有標記的包絡線面積百分比且由大到小進行排列,以得到訊號高低排序的天線判讀。
- 依據請求項1所述之應用於5G智慧製造設備的天線信號均優化方法, 其中,該控制系統包括一與該智慧製造設備之每一天線連接的無線收發器、一與該無線收發器連接之收發天線,及一接收該無線收發器資料的AI人工智慧演算模組。
- 依據請求項7所述之應用於5G智慧製造設備的天線信號均優化方法,其中,該無線收發器支援頻段為6GHz 以下的FR1(Frequency Range 1)。
- 依據請求項7所述之應用於5G智慧製造設備的天線信號均優化方法,其中,該無線收發器支援介於24.25GHz~52.6GHz的毫米波範圍頻段FR2(Frequency Range 2)。
- 一種應用於5G智慧製造設備的天線信號均優化方法,包含︰ 一控制系統即時接收該智慧製造設備之每一天線的訊號,以擷取該每一天線的通道容量(Capacity),以及訊號雜訊比(Signal-to-noise ratio,SNR)、路徑損耗後所收到之增益(Gain after Path Loss,Gain)、誤差向量幅度(Error Vector Magnitude,EVM)等訊號參數; 提供一XY分佈圖,其中,X軸定義為通道容量,Y軸定義為該訊號參數,並於XY分佈圖上做出一通過通道容量平均值並垂直於X軸的目標線; 將所有天線的通道容量對應於X軸,並將所有天線的訊號參數對應於Y軸,標記點於該XY分佈圖上,並以最小平方法依據該等標記點於該XY分佈圖上擬合出一回歸方程式;及 依據該回歸方程式建立一修正方程式,而該修正方程式為該回歸方程式的平行方程式,且每一標記點對應一修正方程式,將目標線之值帶入該修正方程式後以得到修正後之回歸值訊號參數。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109142520 | 2020-12-03 | ||
TW109142520 | 2020-12-03 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI745259B true TWI745259B (zh) | 2021-11-01 |
TW202224371A TW202224371A (zh) | 2022-06-16 |
Family
ID=79907412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110115233A TWI745259B (zh) | 2020-12-03 | 2021-04-28 | 應用於5g智慧製造設備的天線信號均優化方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI745259B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104660297A (zh) * | 2010-02-11 | 2015-05-27 | 联发科技(新加坡)私人有限公司 | 无线通信单元和集成电路 |
WO2017155634A1 (en) * | 2016-03-11 | 2017-09-14 | Origin Wireless, Inc. | Methods, devices, servers, apparatus, and systems for wireless internet of things applications |
EP3492946A1 (en) * | 2017-12-01 | 2019-06-05 | Origin Wireless, Inc. | Method, apparatus, and system for object tracking and navigation |
TW201937872A (zh) * | 2012-05-18 | 2019-09-16 | 美商李爾登公司 | 增強在分散式輸入分散式輸出之無線系統中之空間分集的系統及方法 |
US20190327124A1 (en) * | 2012-12-05 | 2019-10-24 | Origin Wireless, Inc. | Method, apparatus, and system for object tracking and sensing using broadcasting |
-
2021
- 2021-04-28 TW TW110115233A patent/TWI745259B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104660297A (zh) * | 2010-02-11 | 2015-05-27 | 联发科技(新加坡)私人有限公司 | 无线通信单元和集成电路 |
TW201937872A (zh) * | 2012-05-18 | 2019-09-16 | 美商李爾登公司 | 增強在分散式輸入分散式輸出之無線系統中之空間分集的系統及方法 |
US20190327124A1 (en) * | 2012-12-05 | 2019-10-24 | Origin Wireless, Inc. | Method, apparatus, and system for object tracking and sensing using broadcasting |
WO2017155634A1 (en) * | 2016-03-11 | 2017-09-14 | Origin Wireless, Inc. | Methods, devices, servers, apparatus, and systems for wireless internet of things applications |
EP3492946A1 (en) * | 2017-12-01 | 2019-06-05 | Origin Wireless, Inc. | Method, apparatus, and system for object tracking and navigation |
Also Published As
Publication number | Publication date |
---|---|
TW202224371A (zh) | 2022-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103353923B (zh) | 基于空间特征分析的自适应空间插值方法及其系统 | |
CN107694962A (zh) | 一种基于机器视觉与bp神经网络的水果自动分拣方法 | |
CN107369635B (zh) | 一种基于深度学习的智能半导体装备系统 | |
CN108480239B (zh) | 基于立体视觉的工件快速分拣方法及装置 | |
CN107610163A (zh) | 一种基于ccd扫描的打孔定位方法及装置 | |
CN108123772A (zh) | 一种基于梯度投影的无人机时频资源分配方法 | |
CN108459298A (zh) | 一种基于LoRa技术的室外定位方法 | |
CN106792562A (zh) | 基于反向传播神经网络模型的室内无线网络定位方法 | |
CN106792769A (zh) | 一种WiFi定位方法及服务器及定位模型建立方法 | |
CN108763717A (zh) | 一种高速链路信号完整性快速评估方法与系统 | |
TWI745259B (zh) | 應用於5g智慧製造設備的天線信號均優化方法 | |
CN116423003B (zh) | 一种基于数据挖掘的锡焊智能评估方法及系统 | |
CN108242961A (zh) | 基于集成学习的全双工认知无线电网络合作频谱感知方法 | |
CN109408793A (zh) | 一种三坐标测量数据处理及信息的交换方法 | |
CN108833548A (zh) | Sd-wan网络系统以及用于网络流量加速优化方法 | |
CN108040368A (zh) | 一种基于块坐标下降的无人机时频资源分配方法 | |
CN110674925A (zh) | 基于3d卷积神经网络的无参考vr视频质量评价方法 | |
CN103916956A (zh) | 室内定位系统中无线传输环境损耗参数的优化方法 | |
CN1987893A (zh) | 一种面向摄像整纬器的织物纹理图像识别方法 | |
CN111431644A (zh) | 面向频谱认知的无人机路径自主规划装置及方法 | |
WO2024012018A1 (zh) | 一种太赫兹频谱环境地图构建方法及设备 | |
CN109451461A (zh) | 一种基于农业物联网的传感器数据融合方法 | |
CN108566255A (zh) | 基于多任务学习的时间相关mimo系统信道预测方法 | |
CN101477582B (zh) | 半导体元件的模型修正方法 | |
CN113518049A (zh) | 一种基于分数低阶极坐标和深度学习的调制识别方法 |