公开(公告)号：CN113411106B

公开(公告)日：2023-03-24

申请号：CN202110602991.0

申请日：2021-05-31

Applicant: 海南大学

Inventor： 束锋 ,  张鹏 ,  黄梦醒 ,  冯思玲 ,  毋媛媛 ,  刘林 ,  杨莉莉 ,  王雪辉 ,  董榕恩 ,  揭琦娟 ,  占习超

IPC: H04B7/0413 ,  H04B7/0426 ,  G06F17/16 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供安全空间调制系统中基于深度学习的功率分配方法，包括下列步骤：建立深度卷积神经网络模型；通过期望用户的期望信道矩阵以及窃听用户的窃听信道矩阵，获得多维度实数矩阵；构建包括多个期望用户及窃听用户的训练集，并结合所述多维度实数矩阵、期望用户和窃听用户的噪声对所述深度卷积神经网络模型进行训练，本发明结合空间调制本身的特性，通过机器学习参数训练，可方便快捷的得到最合适的功率分配因子。

公开(公告)号：CN113541862A

公开(公告)日：2021-10-22

申请号：CN202110522651.7

申请日：2021-05-13

Applicant: 海南大学

Inventor： 束锋 ,  王雪辉 ,  黄梦醒 ,  冯思玲 ,  毋媛媛 ,  刘林 ,  杨莉莉 ,  张鹏 ,  董榕恩 ,  揭琦娟 ,  占习超

IPC: H04L1/00

Abstract: 本发明提供一种低复杂度的ML检测方法，包括下列步骤：S1、初始化发射天线索引j、发射信号xl、符号序列号l以及接收信号y与发射信号xl之间经过信道增益hj之间的欧式距离di；S2、在已知信号状态信息hj的条件下，计算夹杂噪声n的星座点符号gj；S3、计算星座点符号gj与星座样本空间S中所有星座点样本之间的欧氏距离d，并选取其中最小的欧式距离dmin，得到估计检测的星座点符号xm；S4、计算接收信号y与所述星座点符号xm之间进过信道增益hj之间的欧式距离dj，比较欧式距离dj与dmin，根据比较结果，判断发射信号xl、符号序列号l的估计检测是否正确，本发明在检测性能近似不变的前提下，降低了ML检测的复杂度，减少了冗余计算。

公开(公告)号：CN113411106A

公开(公告)日：2021-09-17

申请号：CN202110602991.0

申请日：2021-05-31

Applicant: 海南大学

Inventor： 束锋 ,  张鹏 ,  黄梦醒 ,  冯思玲 ,  毋媛媛 ,  刘林 ,  杨莉莉 ,  王雪辉 ,  董榕恩 ,  揭琦娟 ,  占习超

IPC: H04B7/0413 ,  H04B7/0426 ,  G06F17/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供安全空间调制系统中基于深度学习的功率分配方法，包括下列步骤：建立深度卷积神经网络模型；通过期望用户的期望信道矩阵以及窃听用户的窃听信道矩阵，获得多维度实数矩阵；构建包括多个期望用户及窃听用户的训练集，并结合所述多维度实数矩阵、期望用户和窃听用户的噪声对所述深度卷积神经网络模型进行训练，本发明结合空间调制本身的特性，通过机器学习参数训练，可方便快捷的得到最合适的功率分配因子。