公开(公告)号：CN116667958A

公开(公告)日：2023-08-29

申请号：CN202310763214.3

申请日：2023-06-26

Applicant: 同济大学

Inventor： 汤昊晨 ,  王睿

IPC: H04B17/391 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明公开了基于数据及知识驱动的端到端无线通信系统模型设计方法，属于端到端通信技术领域，包括下列步骤：1)获取通信系统参数以供算法训练使用。2)建立系统模型框架：使用贝叶斯层和功率归一化层代替传统通信系统的发射机与接收机，使用无线通信中的理论信道模型和真实信道模型作为传输媒介。3)更新贝叶斯推断的变分参数。4)更新贝叶斯层的网络权重：利用梯度下降法更新深度学习网络参数。5)判断是否满足优化结束条件：在系统输出预测值后，计算与标签的二进制交叉熵损失函数，观察是否达到端到端无线通信系统的误码率要求，若未达到，则返回步骤3)进行下一步迭代。

公开(公告)号：CN119907023A

公开(公告)日：2025-04-29

申请号：CN202510084714.3

申请日：2025-01-20

Applicant: 同济大学

Inventor： 兰蒙 ,  黄新林 ,  刘剑锋 ,  王盛宇 ,  凌子寒 ,  汤昊晨 ,  徐中伟

IPC: H04W24/02 ,  H04W4/02 ,  H04W4/42 ,  H04B17/373 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0475

Abstract: 本发明属于通信技术、神经网络领域，提供了一种基于位置信息编码和周期非线性神经网络的车地无线信道预测方法，适用于车地无线通信系统的优化。其具体步骤如下：S1：采集列车的位置信息及无线信道实例，对采集到的信道实例进行位置编码，将信道实例映射到高维的傅里叶特征空间；S2：整合周期非线性神经网络，构建生成式深度神经网络，基于位置信息编码和周期非线性神经网络对信道实例进行学习和建模；S3：应用训练好的模型进行实时信道预测，支持无线通信系统的动态优化。本发明提高了车地无线信道预测的精度和效率，具有显著的技术优势。