-
公开(公告)号：CN113839697B
公开(公告)日：2022-06-28
申请号：CN202111110018.3
申请日：2021-09-23
Applicant: 南通大学
IPC: H04B7/0456
Abstract: 本发明涉及一种基于深度学习的联合反馈和混合预编码设计方法，首先计算出样本信道矩阵的最优预编码矩阵。将样本信道矩阵及其最优预编码矩阵作为数据集，设计深度学习模型并训练。将训练完成的深度学习模型拆分为压缩网络和编码网络两部分，压缩网络及其权重部署在接收端，编码网络及其权重部署在发送端。对于实时信道，接收端将信道矩阵输入压缩网络，得到压缩后的信道矩阵并反馈给发送端，发送端将压缩后的信道矩阵输入编码网络，得到实时信道的预编码矩阵。本发明利用深度学习技术，对信道状态信息进行压缩，接收端无需恢复原始信道信息即可进行预编码，既能得到较好的频谱效率，也减少了信道反馈的开销、预编码和硬件的复杂度。
-
公开(公告)号：CN117768272B
公开(公告)日：2024-09-03
申请号：CN202311789693.2
申请日：2023-12-22
Applicant: 南通大学
IPC: H04L25/02 , H04W52/14 , H04B7/0426
Abstract: 本发明涉及无线通信技术领域，特别涉及一种无线能量传输的去蜂窝网络信道统计信息估计方法，包括：在去蜂窝系统中布设M个AP、T个RIS、K个用户和一个CPU，假设在每个AP旁都有一个RIS主要为其提供服务；在信道估计阶段，用户采用特殊的导频结构方案向AP发送导频信号，AP为了获得信道统计信息将在不同相干块接收到的信号进行处理，同时采用MMSE信道估计方法进行信道估计；在下行能量传输阶段用户从AP发送能量信号中收集能量；在上行数据传输阶段，将收集到的能量按照比例进行分配，用于此次数据传输及下次信道估计。本发明适用于无线能量传输系统，大大降低了导频开销，可获得较为准确的信道估计。
-
公开(公告)号：CN118450319A
公开(公告)日：2024-08-06
申请号：CN202410631353.5
申请日：2024-05-21
Applicant: 南通大学
Abstract: 本申请涉及一种基于有源RIS位置和相位联合优化的近海无线通信方法。该方法包括：生成N组K艘配备有源智能反射面的船的位置坐标作为初始迭代的位置种群；对当前第t次迭代中的N组K艘配备有源智能反射面的船的位置坐标依次排列组成位置种群；在N组有源智能反射面的船的位置坐标配置下对所有有源智能反射面的相位进行优化，取得最佳的相位组合；得到当前第t次迭代的位置坐标配置和相位配置；如果不满足最大迭代次数，获得新的K艘配备有源智能反射面的船的位置坐标，进入下一次迭代优化；如果满足，如果满足最大迭代次数，输出最佳位置坐标配置和最佳相位配置，对近海无线通信系统中的有源智能反射面的位置和相位进行部署，提升整个系统的通信性能。
-
公开(公告)号：CN116647426A
公开(公告)日：2023-08-25
申请号：CN202310783453.5
申请日：2023-06-28
Applicant: 南通大学
Abstract: 本发明涉及无线通信技术领域，特别涉及一种基于无线能量传输的去蜂窝共生通信传输方法，包括：在去蜂窝系统中部署一定数目的AP、RIS和用户，假设每个RIS为离它最近的一个用户服务，即部署的RIS的数目与AP的数目相同；在信道估计阶段用户具有初始的能量，当RIS发送一个导频符号时用户发送Q个导频符号，AP将接收到的信号进行处理，再使用MMSE信道估计方法实现信道估计；在下行能量传输阶段AP发送能量信号，用户和RIS都进行能量收集；在上行数据传输阶段，RIS利用收集到的能量感知数据，用户利用收集到的能量进行数据传输及下一次的信道估计。本发明大大降低了计算复杂度和信道估计误差，可获得较为准确的信道估计，并且大大降低了能耗。
-
Patent Agency Ranking
公开(公告)号：CN115776424B
公开(公告)日：2023-08-01
申请号：CN202211435456.1
申请日：2022-11-16
Applicant: 南通大学
IPC: H04L25/02 , H04B7/0452
Abstract: 本发明涉及无线通信技术领域，特别是涉及一种去蜂窝大规模MIMO共生通信系统信道估计方法，包括：去蜂窝大规模MIMO网络布设大量分布式接入点AP和一个反向散射装置；信道估计阶段，所有用户向所有的接入点AP与反向散射装置发送导频信号，反向散射装置接收到信号将不进行处理而是直接发送给所有接入点AP；各个接入点AP接收到来自反向散射装置和用户的信号后，先根据接收到的信号进行直接链路信道估计，获得直接链路信道估计信息；之后利用直接链路信道估计信息对之前接收到的信号进行信号去除；然后对剩下的信号进行信道估计，得到间接链路信道估计信息。本发明具有均方误差低、复杂度低和所需信令开销小的优点。
-
公开(公告)号：CN113839697A
公开(公告)日：2021-12-24
申请号：CN202111110018.3
申请日：2021-09-23
Applicant: 南通大学
IPC: H04B7/0456
Abstract: 本发明涉及一种基于深度学习的联合反馈和混合预编码设计方法，首先计算出样本信道矩阵的最优预编码矩阵。将样本信道矩阵及其最优预编码矩阵作为数据集，设计深度学习模型并训练。将训练完成的深度学习模型拆分为压缩网络和编码网络两部分，压缩网络及其权重部署在接收端，编码网络及其权重部署在发送端。对于实时信道，接收端将信道矩阵输入压缩网络，得到压缩后的信道矩阵并反馈给发送端，发送端将压缩后的信道矩阵输入编码网络，得到实时信道的预编码矩阵。本发明利用深度学习技术，对信道状态信息进行压缩，接收端无需恢复原始信道信息即可进行预编码，既能得到较好的频谱效率，也减少了信道反馈的开销、预编码和硬件的复杂度。
-
公开(公告)号：CN116566769A
公开(公告)日：2023-08-08
申请号：CN202310633176.X
申请日：2023-05-31
Applicant: 南通大学
IPC: H04L25/02 , H04B7/0413 , H04L5/00
Abstract: 本发明涉及无线通信技术领域，尤其涉及一种RIS辅助的去蜂窝大规模MIMO共生通信信道估计方法，包括：去蜂窝大规模MIMO网络布设M个接入点AP，K个RIS和K个单天线用户；在上行导频传输阶段，所有用户向所有的接入点AP同时发送导频和数据信号，且每个时隙发送的数据信号是相同的；RIS同时也在发送导频，且使用二元相移键控的方法进行简单处理，让RIS相继发送带有“+1”和“‑1”两种符号的导频给接入点AP，各个接入点AP接收到来自直接链路和间接链路的信号后，将前一时隙和后一时隙接收到的信号进行一个简单的计算处理，再分别对两者进行信道估计。本发明用较小的序列来获得更好的信道条件，减小了时隙开销，且均方误差低、复杂度低。
-
公开(公告)号：CN115085782B
公开(公告)日：2023-06-16
申请号：CN202210681193.6
申请日：2022-06-15
Applicant: 南通大学
IPC: H04B7/0456 , H04B7/06 , G06N3/08 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了基于深度学习的智能反射面联合反馈和混合预编码方法，离线训练阶段中，首先根据信道计算模拟、数字预编码矩阵，并输入深度学习模型训练，然后将模型的信道压缩网络和混合预编码网络分别部署在用户端和基站端。在线预测阶段中，用户端将实时信道输入信道压缩网络，并将压缩信息反馈回基站端，基站端将反馈信息输入混合预编码网络，得到模拟、数字预编码矩阵，然后根据数字预编码矩阵对发送信号进行数字预编码，将数字预编码信号通过馈源传输至智能反射面，智能反射面根据模拟预编码矩阵对数字预编码信号进行相移处理，并发送至用户端。本发明利用深度学习技术，实现多用户的信道反馈和基于智能反射面的混合预编码，降低系统的功耗。
-
公开(公告)号：CN114650608A
公开(公告)日：2022-06-21
申请号：CN202210405586.4
申请日：2022-04-18
Applicant: 南通大学
Abstract: 本发明公开了一种去蜂窝大规模MIMO的多中心处理单元协作方法，包括：去蜂窝大规模MIMO网络布设分布式接入点AP，所有接入点AP被分成若干个实际簇；导频传输阶段，所有用户向所有的接入点AP发送导频信号，中心处理单元根据接收到的导频信号获得信道估计信息和统计信息；上行链路传输阶段，针对某个用户，各个中心处理单元将各自的统计信息发往某个中心处理单元，该中心处理单元根据统计信息，基于广义瑞利熵定理为不同的中心处理单元计算权重；利用计算出的权重，该中心处理单元对各个中心处理单元接收到的数据信号进行加权合并处理，使得这些中心处理单元在同一时频资源上协同为用户服务。本发明具有系统信号处理复杂度低与所需信令开销小的优点。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
