-
公开(公告)号：CN115567131A
公开(公告)日：2023-01-03
申请号：CN202211157608.6
申请日：2022-09-22
Applicant: 东南大学
IPC: H04B17/391 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于降维复卷积网络的第六代(6G)移动通信无线信道特性提取方法。针对6G移动通信无线信道特性分析与建模，解决现有无线信道特性提取难以实现精确度与复杂度折中的问题。其实现步骤为：1)使用射线追踪仿真软件，获取多个典型场景下的信道仿真数据；2)对多径进行分簇，计算簇内/间时延/角度扩展统计量；3)使用栈式自编码器对大维仿真数据进行去干扰无监督数据降维；4)提出复数交叉卷积神经网络提取相关统计量；5)使用实测数据进行增量学习，增强所构建网络的鲁棒性；6)比较所提出方法与其他网络的复杂度和精确度性能。本发明提供的无线信道特性提取方法具有复杂度较低的特点，可为时变和大维测量数据的处理提供有效解决方案。
-
公开(公告)号：CN115499076A
公开(公告)日：2022-12-20
申请号：CN202211157617.5
申请日：2022-09-22
Applicant: 东南大学
IPC: H04B17/391 , H04B7/0413 , H04B7/06 , H04B7/08 , H04L25/02
Abstract: 本发明提供一种基于角度域虚拟波束的大规模多输入多输出信道建模方法，其实现步骤为：1)获取典型频段和场景下的大规模MIMO无线信道测量数据；2)使用高分辨率参数估计算法提取多径复幅度、时延、离开角以及到达角；3)设定固定的角度域采样间隔，按照虚拟波束范围进行多径合并，与经过波束成形处理后的测量数据进行对比；4)分析各波束的多径数目、时延、角度扩展、波束域增益，计算波束间相关性和平稳间隔；5)根据分析得到的先验知识，建立大规模MIMO波束域信道模型。本方法主要解决现有大规模MIMO无线通信信道建模方法中，复杂度较高且精确度较低的问题，通过建立波束域模型，在保证每个波束模型精度的前提下有效降低了模型复杂度。
-
公开(公告)号：CN118312846A
公开(公告)日：2024-07-09
申请号：CN202410418554.7
申请日：2024-04-09
IPC: G06F18/241 , H04B17/309 , G06F18/15 , G06F18/213 , G06N3/0455 , G06N3/0499 , G06N3/0985 , G06N3/09 , G06N3/088
Abstract: 本发明公开了一种适用于6G无线通信的智能场景识别方法及装置，属于场景识别领域，方法包括：采集待识别的场景物理环境参数；待识别的场景物理环境参数输入到预先训练好的分类器进行分类，其中，分类器为利用场景物理环境参数对分类模型进行训练得到。本发明的方法能够采集不同6G无线通信场景中易获取的环境特征，通过数据预处理、分类器训练、超参数优化等步骤，使其具有较好的场景识别性能，可应用于6G多场景信道特性研究、系统设计、网络优化等关键技术。
-
公开(公告)号：CN116346262A
公开(公告)日：2023-06-27
申请号：CN202211603711.9
申请日：2022-12-13
Applicant: 东南大学
IPC: H04B17/391 , G06F18/24
Abstract: 本发明公开一种基于6G全覆盖场景分类的场景自适应信道建模方法。通过使用测量或仿真数据对信道模型参数进行优化，实现对6G全覆盖场景转换的全新架构设计和自适应信道建模。包括1)基于6G空‑天‑地‑海全覆盖场景的物理定义，使用环境参数与统计特征相组合方案进行场景转换分类。2)根据场景分类结果构建场景模型参数数据库。3)将场景对应的模型参数输入到6G普适信道模型中，生成场景转换的实时信道模型。4)根据实测数据，采用闭环反馈调整普适信道模型的参数，迭代得到场景转换的优化模型。5)验证具体场景自适应信道建模的精确度。针对复杂多样6G通信环境，自适应构建高精度信道模型，为无线通信研究发展奠定重要基础。
-
公开(公告)号：CN114584230B
公开(公告)日：2023-06-20
申请号：CN202210214717.0
申请日：2022-03-07
Applicant: 东南大学
IPC: H04B17/309 , H04B17/391 , H04L25/02
Abstract: 本发明公开了一种基于生成对抗网络与长短期记忆人工神经网络的预测性信道建模方法，有效地实现不同频段和场景下的信道预测功能，并为仿真实验生成大量的信道数据集。首先输入已有频段以及场景的信道测量数据进行训练。然后使用长短期记忆人工神经网络学习真实的信道数据，获取信道时间序列特征；通过生成对抗网络的对抗学习，极大地消除信道数据的冗余信息，并且根据测量数据生成准确的信道数据，并且获取海量信道信息。最后在生成对抗网络的不断迭代中得到生成模型与鉴别模型的平衡，输出训练好的预测性信道模型。模型预测所得到的信道统计特性能清楚地说明了本发明对信道分布特征的预测学习，能够解决无线通信中实时且复杂的预测问题。
-
Patent Agency Ranking
公开(公告)号：CN116070130A
公开(公告)日：2023-05-05
申请号：CN202211604035.7
申请日：2022-12-13
Applicant: 东南大学
IPC: G06F18/24 , G06V10/764 , G06V20/00 , H04W24/06
Abstract: 本发明提供一种针对6G全覆盖无线通信的场景扩展与分类方法。其实现步骤为：1)归纳标准化信道模型的场景与分类方法；2)按照“宏观到微观”聚焦原则，从宏观上划分为空、天、地、海这4大类场景；3)按照“标尺线”的海拔等高线原则，将子场景细分为内外或上下；4)根据物理属性和信号传播特点，定义更详细的应用场景和差异化物理参数。本发明主要解决现有无线通信场景统计不全面和分类不清晰的问题，能够提高6G全覆盖变换场景分类准确率和实时性，为无线通信场景分类研究和发展奠定重要基础。
-
公开(公告)号：CN114584230A
公开(公告)日：2022-06-03
申请号：CN202210214717.0
申请日：2022-03-07
Applicant: 东南大学
IPC: H04B17/309 , H04B17/391 , H04L25/02
Abstract: 本发明公开了一种基于生成对抗网络与长短期记忆人工神经网络的预测性信道建模方法，有效地实现不同频段和场景下的信道预测功能，并为仿真实验生成大量的信道数据集。首先输入已有频段以及场景的信道测量数据进行训练。然后使用长短期记忆人工神经网络学习真实的信道数据，获取信道时间序列特征；通过生成对抗网络的对抗学习，极大地消除信道数据的冗余信息，并且根据测量数据生成准确的信道数据，并且获取海量信道信息。最后在生成对抗网络的不断迭代中得到生成模型与鉴别模型的平衡，输出训练好的预测性信道模型。模型预测所得到的信道统计特性能清楚地说明了本发明对信道分布特征的预测学习，能够解决无线通信中实时且复杂的预测问题。
-
公开(公告)号：CN115065432A
公开(公告)日：2022-09-16
申请号：CN202210343774.9
申请日：2022-04-02
Applicant: 东南大学
IPC: H04B17/391 , H04L5/00 , H04L25/02 , H04B7/0413 , H04L27/26 , H04J13/00
Abstract: 本发明公开了天波大规模MIMO‑OFDM三重波束基信道建模及信道信息获取相关方法与系统。本发明所建立的三重波束基统计信道模型中，空间‑频率‑时间域信道矢量表示为三重波束矩阵与三重波束域信道矢量的乘积；三重波束矩阵由基站选定的一组方向余弦、时延和多普勒频率采样点所对应的采样三重舵矢量组成，其中每一个采样三重舵矢量称为一个三重波束。基于所述三重波束基统计信道模型，基站利用统计信道信息对各用户进行分组，并分配导频序列；基站利用接收到的导频信号得到估计的三重波束域信道矢量，并根据三重波束基统计信道模型来获取导频段和数据段的空间‑频率‑时间域信道矢量。本发明进行了更为准确的信道建模，能够降低导频开销与计算复杂度。
-
公开(公告)号：CN115065432B
公开(公告)日：2024-08-23
申请号：CN202210343774.9
申请日：2022-04-02
Applicant: 东南大学
IPC: H04B17/391 , H04L5/00 , H04L25/02 , H04B7/0413 , H04L27/26 , H04J13/00
Abstract: 本发明公开了天波大规模MIMO‑OFDM三重波束基信道建模及信道信息获取相关方法与系统。本发明所建立的三重波束基统计信道模型中，空间‑频率‑时间域信道矢量表示为三重波束矩阵与三重波束域信道矢量的乘积；三重波束矩阵由基站选定的一组方向余弦、时延和多普勒频率采样点所对应的采样三重舵矢量组成，其中每一个采样三重舵矢量称为一个三重波束。基于所述三重波束基统计信道模型，基站利用统计信道信息对各用户进行分组，并分配导频序列；基站利用接收到的导频信号得到估计的三重波束域信道矢量，并根据三重波束基统计信道模型来获取导频段和数据段的空间‑频率‑时间域信道矢量。本发明进行了更为准确的信道建模，能够降低导频开销与计算复杂度。
-
公开(公告)号：CN117743953A
公开(公告)日：2024-03-22
申请号：CN202311696254.7
申请日：2023-12-12
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: G06F18/2411 , H04B17/391 , H04B17/309 , G06N20/10
Abstract: 本发明公开了一种基于电子地图的通信场景分割与识别方法，能够有效地实现实际通信过程中的场景识别，具体包括以下步骤：1)进行第一阶段的场景分割并基于分割结果计算物理环境参数；2)将上述物理环境参数作为识别特征，对比常用的机器学习分类算法识别效果，得出初次识别结果；3)进行第二阶段的场景分割，本阶段在识别出场景大类的基础上进一步将场景细化为可能出现在真实环境中的子场景，根据分割的范围重新计算物理环境参数；4)将计算所得物理环境参数与接收功率一起作为识别特征，比较不同的机器学习算法，最终场景识别精确度可达96％。该方法为无线通信系统提供了场景类型信息，为信道建模提供了重要的前提条件。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.011 seconds)
