公开(公告)号：CN115395991A

公开(公告)日：2022-11-25

申请号：CN202210824124.6

申请日：2022-07-13

Applicant: 北京信息科技大学

Inventor： 巩译 ,  刘俣佳 ,  孟繁轲 ,  袁伟杰 ,  徐湛

IPC: H04B7/0413 ,  H04L25/02

Abstract: 本公开提出一种非线性多输入多输出信道估计方法和估计系统。该估计方法包括利用调制解调器，将接收到的射频信号下变频到基带，根据基带信号获取复基带信号，并将复基带信号的幅度和预设相位作为观测值，进行复基带信号处理；将复基带信号处理后的信息输入到非线性多输入多输出信道中，并对非线性多输入多输出信道进行初始信道估计，得到初始信道估计值；利用GAMP算法，将初始信道估计值作为深度神经网络和卷积神经网络的输入，将信道的实际响应作为标签，对深度神经网络和卷积神经网络进行训练，得到最终信道估计值。该估计系统包括信号处理模块、初始信道估计模块和神经网络模块。本公开能够增强信道的均方误差性能和鲁棒性。

公开(公告)号：CN113708855A

公开(公告)日：2021-11-26

申请号：CN202111178920.9

申请日：2021-09-29

Applicant: 北京信息科技大学

Inventor： 巩译 ,  李青宇 ,  孟繁轲 ,  徐湛

IPC: H04B17/21 ,  H04B17/391 ,  H04L25/02

Abstract: 本发明涉及一种基于深度学习的OTFS数据驱动接收方法、系统及介质，其包括将每个OTFS帧的数据信息进行映射后转换为时域信号；将所述时域信号经过信道及转换处理，得到OTFS调制后的时延‑多普勒域信号；将所述OTFS调制后的时延‑多普勒域信号作为深度神经网络的输入，以通信的发送端信号作为标签对深度神经网络进行离线训练；采用训练好的神经网络对接收到的OTFS信号进行恢复。本发明具有较好的误码性能与优秀的鲁棒性，对信道参数具有强大的泛化能力。本发明可以应用到不同的高移动性场景中。