-
公开(公告)号：CN112565118A
公开(公告)日：2021-03-26
申请号：CN202011345047.3
申请日：2020-11-25
Applicant: 哈尔滨工业大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L25/02
Abstract: 毫米波透镜天线阵列通信系统信道估计方法,发明涉及信息与通信技术领域，是为了解决毫米波透镜天线阵列通信系统中由于射频链数目远少于天线数目所导致的信道估计精度低、复杂度高、场景适应性差以及难于性能评估的问题。本发明主要包括波束空间信道矢量支集获取方法、根据稀疏波束空间信道的初步恢复结果的DOA和复增益估计方法、基于正交化处理的多径分量间干扰消除方法以及系统性能评估及参数设计方法。仿真结果表明，与现有的方法相比，本发明的方法估计精度更高，复杂度更低，对环境先验假设更少，方法性能可预测性更强。
-
公开(公告)号：CN109245840B
公开(公告)日：2021-02-02
申请号：CN201811198367.3
申请日：2018-10-15
Applicant: 哈尔滨工业大学
IPC: H04B17/373 , H04B17/382 , H04B17/391 , H04W74/08
Abstract: 认知无线电系统中基于卷积神经网络的频谱预测方法，本发明经过较短时间训练即可获得较高预测准确度，属于信息与通信领域。本发明包括：以周期T对频带F进行不间断地频谱感知，从t0时刻起记录多个频谱感知的和它们对应的将t0+kT记为tk,k＝0,1,…；表示tk时刻频带F所有信道占用情况，表示从tk+T时刻起各信道的空闲的感知周期数；将和喂入卷积神经网络中，对卷积神经网络进行训练，在训练中，用于制作标签；步骤3、利用训练完成的卷积神经网络不断地根据各个时刻的预测出未来空闲概率最大的信道C。
-
公开(公告)号：CN116249128A
公开(公告)日：2023-06-09
申请号：CN202310059867.3
申请日：2023-01-18
Applicant: 哈尔滨工业大学
IPC: H04W16/28 , H04W16/22 , H04B7/0456 , H04B7/06 , G06N3/0455 , G06N3/047 , G06N3/084 , G06N3/0985
Abstract: 多RIS辅助通信系统中基于端到端学习的联合波束成形方法，涉及信息与通信技术领域，是为了提升通信系统的误码率性能，本发明提出了一种基于端到端学习的联合波束成形方法，其中实际考虑了单反射和双反射链路，误码率的最小化问题是通过联合设计有源和无源波束形成来制定的。为了解决由此产生的非凸问题，我们引入了一种新方法，将所提出的多RIS辅助通信系统视为端到端优化任务。具体而言，同时优化调制、预编码、无源波束形成、组合和解调过程以避免局部最优。仿真结果表明，与传统的交替优化算法相比，本申请的基于端到端学习的系统实现了有竞争力的性能增益。此外，在反射元件总数相同的情况下，验证了多个RIS相对于单个RIS辅助系统的性能增强。
-
公开(公告)号：CN113381828B
公开(公告)日：2022-10-28
申请号：CN202110639046.8
申请日：2021-06-08
Applicant: 哈尔滨工业大学
IPC: H04B17/391 , H04L25/02 , G06N3/04 , G06N3/08
Abstract: 基于条件生成对抗网络的稀疏码多址接入随机信道建模方法，涉及信息与通信技术领域，是为了解决现有方法的多用户信息是通过不同的动态信道传输到接收器的，导致给接收器的信道估计和解码造成困难的问题。本发明针对物联网中的动态信道问题，提出面向多用户的基于条件生成对抗网络信道建模方案。该方案利用了CGAN的良好捕获和分布功能。CGAN用于对信道分布进行建模以表示信道效应。所接收的与导频符号相对应的DNN‑SCMA信号被用作条件信息的组成部分。特别地，该方法使用无模型学习方法来准确地学习不同类型的随机信道模型，在实际通信场景中实现对动态信道信息的有效获取。
-
公开(公告)号：CN113381828A
公开(公告)日：2021-09-10
申请号：CN202110639046.8
申请日：2021-06-08
Applicant: 哈尔滨工业大学
IPC: H04B17/391 , H04L25/02 , G06N3/04 , G06N3/08
Abstract: 基于条件生成对抗网络的稀疏码多址接入随机信道建模方法，涉及信息与通信技术领域，是为了解决现有方法的多用户信息是通过不同的动态信道传输到接收器的，导致给接收器的信道估计和解码造成困难的问题。本发明针对物联网中的动态信道问题，提出面向多用户的基于条件生成对抗网络信道建模方案。该方案利用了CGAN的良好捕获和分布功能。CGAN用于对信道分布进行建模以表示信道效应。所接收的与导频符号相对应的DNN‑SCMA信号被用作条件信息的组成部分。特别地，该方法使用无模型学习方法来准确地学习不同类型的随机信道模型，在实际通信场景中实现对动态信道信息的有效获取。
-
Patent Agency Ranking
公开(公告)号：CN116566465A
公开(公告)日：2023-08-08
申请号：CN202310493021.0
申请日：2023-05-04
Applicant: 哈尔滨工业大学
IPC: H04B7/185
Abstract: 基于跳波束规避低轨卫星干扰的多域资源分配方法，涉及卫星通信领域，是为了解决现有的跳波束技术仅考虑单颗卫星的资源分配及星内同频干扰，导致资源的利用率低等问题。本发明通过分析两颗低轨卫星的星内和星间干扰，设置小区的权重优先级，基于小区的权重优先级自适应分配功率，得到小区的功率分配矩阵，以小区的平均流量满意度作为优化目标，首先考虑星内干扰，进行单颗低轨卫星跳波束图案的设计，得到每颗卫星在整个跳波束周期内的时间分配矩阵；其次考虑星间干扰，对得到的时间分配矩阵基于启发式算法进行重新排列，得到最终所需的时隙调度矩阵，从而实现规避星内和星间干扰，在保证用户服务公平性的基础上大幅度提升了系统吞吐量。
-
公开(公告)号：CN113381799B
公开(公告)日：2022-11-01
申请号：CN202110639045.3
申请日：2021-06-08
Applicant: 哈尔滨工业大学
Abstract: 基于卷积神经网络的低轨星地链路端到端稀疏码多址接入方法，涉及信息与通信技术领域，是为了为提高传统SCMA的BER性能。本发明利用了CNN的结构可以处理高维信息，基于自编码(AE)的方法，提出采用基于CNN的编码器替代传统SCMA的多维码本设计，采用基于CNN的解码器替代传统多用户检测译码方法。仿真结果表明，本发明提出的方案具有比传统SCMA更好的BER性能。
-
公开(公告)号：CN112565118B
公开(公告)日：2022-11-01
申请号：CN202011345047.3
申请日：2020-11-25
Applicant: 哈尔滨工业大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L25/02
Abstract: 毫米波透镜天线阵列通信系统信道估计方法,发明涉及信息与通信技术领域，是为了解决毫米波透镜天线阵列通信系统中由于射频链数目远少于天线数目所导致的信道估计精度低、复杂度高、场景适应性差以及难于性能评估的问题。本发明主要包括波束空间信道矢量支集获取方法、根据稀疏波束空间信道的初步恢复结果的DOA和复增益估计方法、基于正交化处理的多径分量间干扰消除方法以及系统性能评估及参数设计方法。仿真结果表明，与现有的方法相比，本发明的方法估计精度更高，复杂度更低，对环境先验假设更少，方法性能可预测性更强。
-
公开(公告)号：CN113381799A
公开(公告)日：2021-09-10
申请号：CN202110639045.3
申请日：2021-06-08
Applicant: 哈尔滨工业大学
Abstract: 基于卷积神经网络的低轨星地链路端到端稀疏码多址接入方法，涉及信息与通信技术领域，是为了为提高传统SCMA的BER性能。本发明利用了CNN的结构可以处理高维信息，基于自编码(AE)的方法，提出采用基于CNN的编码器替代传统SCMA的多维码本设计，采用基于CNN的解码器替代传统多用户检测译码方法。仿真结果表明，本发明提出的方案具有比传统SCMA更好的BER性能。
-
公开(公告)号：CN109245840A
公开(公告)日：2019-01-18
申请号：CN201811198367.3
申请日：2018-10-15
Applicant: 哈尔滨工业大学
IPC: H04B17/373 , H04B17/382 , H04B17/391 , H04W74/08
CPC classification number: H04B17/373 , H04B17/382 , H04B17/3912 , H04W74/085
Abstract: 认知无线电系统中基于卷积神经网络的频谱预测方法，本发明经过较短时间训练即可获得较高预测准确度，属于信息与通信领域。本发明包括：以周期T对频带F进行不间断地频谱感知，从t0时刻起记录多个频谱感知的 和它们对应的 将t0+kT记为tk,k＝0,1,…；表示tk时刻频带F所有信道占用情况，表示 从tk+T时刻起各信道的空闲的感知周期数；将和 喂入卷积神经网络中，对卷积神经网络进行训练，在训练中， 用于制作标签；步骤3、利用训练完成的卷积神经网络不断地根据各个时刻的 预测出未来空闲概率最大的信道C。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.01 seconds)
