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

Inventor： 王承祥 ,  李哲鳌 ,  黄杰 ,  周文奇 ,  黄晨

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

Inventor： 高西奇 ,  石丁 ,  宋霖峰 ,  周文奇 ,  王承祥 ,  仲文

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

Inventor： 高西奇 ,  石丁 ,  宋霖峰 ,  周文奇 ,  王承祥 ,  仲文

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。