公开(公告)号：CN115150227B

公开(公告)日：2023-10-13

申请号：CN202110342120.X

申请日：2021-03-30

Applicant: 复旦大学

Inventor： 卢秋锦 ,  林田 ,  朱宇

IPC: H04L25/02 ,  H04B7/0456 ,  H04B7/06 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种点对点多天线通信系统中的角度估计方法，包括以下步骤：步骤1，选择分层码本估计算法，通过分层码本估计算法扫描码本，并保存扫描过程中使用的发送端预编码矢量、接收端合并矢量、信噪比、发送数字信号以及接收数字信号作为原始数据；步骤2，对原始数据进行预处理后作为输入数据；步骤3，根据预定的输入维度与输出维度，以及中间结构、损失函数以及防止梯度消失使用的策略构建出对应的神经网络；步骤4，通过数据集对神经网络进行训练，以估计角度和真实角度的均方误差最小化为目标优化神经网络，训练后得到最优神经网络模型；步骤5，将输入数据输入最优神经网络模型，得到输出的估计角度。

公开(公告)号：CN115150227A

公开(公告)日：2022-10-04

申请号：CN202110342120.X

申请日：2021-03-30

Applicant: 复旦大学

Inventor： 卢秋锦 ,  林田 ,  朱宇

IPC: H04L25/02 ,  H04B7/0456 ,  H04B7/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种点对点多天线通信系统中的角度估计方法，包括以下步骤：步骤1，选择分层码本估计算法，通过分层码本估计算法扫描码本，并保存扫描过程中使用的发送端预编码矢量、接收端合并矢量、信噪比、发送数字信号以及接收数字信号作为原始数据；步骤2，对原始数据进行预处理后作为输入数据；步骤3，根据预定的输入维度与输出维度，以及中间结构、损失函数以及防止梯度消失使用的策略构建出对应的神经网络；步骤4，通过数据集对神经网络进行训练，以估计角度和真实角度的均方误差最小化为目标优化神经网络，训练后得到最优神经网络模型；步骤5，将输入数据输入最优神经网络模型，得到输出的估计角度。

公开(公告)号：CN116366109A

公开(公告)日：2023-06-30

申请号：CN202111623669.2

申请日：2021-12-28

Applicant: 复旦大学

Inventor： 吴秋岑 ,  林田 ,  朱宇

IPC: H04B7/06

Abstract: 本发明提供了一种多层智能超表面装置，用于对入射的无线信号进行调制，并通过反射和透射同时向反射端用户和透射端用户辐射，包括：两层或多层智能超表面。本发明还提供了一种多层智能超表面装置辅助下的下行多用户通信系统的波束成形方法，包括以下步骤：步骤1，对多层智能超表面装置辅助下的下行多用户通信系统进行建模，并对多用户和速率最大的优化问题进行建模；步骤2，将多用户和速率最大的优化问题转换为最小化加权均方误差问题，针对最小化加权均方误差问题，交替优化接收端系数矩阵和辅助权重系数矩阵、基站端数字波束成形设计和不同层的智能超表面的模拟波束成形，最终得到基站端数字波束成形和不同层的智能超表面的模拟波束成形。