一种基于深度学习的通信和环境感知一体化方法、装置及存储介质

    公开(公告)号:CN119277512A

    公开(公告)日:2025-01-07

    申请号:CN202411322668.8

    申请日:2024-09-23

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于深度学习的通信和环境感知一体化方法,该方法包括:获得不同波束对上的信号接收强度,并转化为RSRP图像;对多径、非直射径在RSRP图像中产生的特征图样进行检测,并估计所检测到多径的到达角与离去角;对用户移动过程中的多径角度参数进行追踪与关联,获得同一条多径在用户运动过程中不同位置上AOA和AOD的变化过程;利用追踪得到的多径AOA和AOD变化过程,对每条多径进行LOS和NLOS径识别;拟合用户运动过程各条多径的AOA、AOD运动轨迹点,并使用拟合得到的参数表示环境中产生多径的不同散射体,提取AOA‑AOD空间中包含的环境以及用户位置信息,结合用户端的传感器信息,完成对环境中散射体的方位和用户位置的估计。

    一种基于RIS相位和感知资源定制的通信感知一体化方法

    公开(公告)号:CN118660310A

    公开(公告)日:2024-09-17

    申请号:CN202410780243.5

    申请日:2024-06-17

    Applicant: 东南大学

    Inventor: 黄艺璇 杨杰 金石

    Abstract: 本发明公开了一种基于RIS相位和感知资源定制的通信感知一体化方法,具体包括:BS在通信帧的前N0‑Nt个符号与UE进行上行或下行通信,以最大化频谱效率为目标优化并配置RIS相位;BS在通信帧的后Nt个符号与UE进行下行通信,BS的发射信号经目标散射后被BS接收,通过信道估计获得信道信息;将信道信息输入基于LSTM的神经网络,提取并融合目标信息,判断是否能实现目标分类,若可以,则输出分类结果,否则,输出下一个通信帧后Nt个符号的RIS相位配置;重复以上步骤,直至神经网络推断可实现目标分类或达到最大感知次数,输出分类结果,结束感知进程。本发明针对不同感知目标定制RIS相位和感知资源,显著提升分类精度并缩短平均感知时间,具有实时高精度感知的能力。

    一种基于多模态融合的毫米波波束追踪方法

    公开(公告)号:CN117692033A

    公开(公告)日:2024-03-12

    申请号:CN202311545973.9

    申请日:2023-11-20

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于多模态融合的毫米波波束追踪方法,该方法包括多模态仿真数据集生成与基于深度学习模型的波束追踪方法。包括以下步骤:使用者根据实地场景设置仿真环境中基站与用户天线阵元排列情况,基站与用户的运动状态信息,仿真IMU与仿真相机的固定偏置与噪声,各个坐标系之间的变换矩阵等环境参数;根据上述参数仿真生成数据集,包含多模态感知数据,标签为基站与用户之间的最佳波束对索引;利用多模态感知数据与标签分别训练深度学习模型中包含的各个子模型;在现实世界按照仿真中对应位置安装IMU与相机,利用上一步骤训练完毕的模型先后按照初始化阶段,过渡阶段,迭代阶段完成现实场景下波束对追踪。

    一种基于叶绿素有机配体制备导电橡胶的方法

    公开(公告)号:CN115678125A

    公开(公告)日:2023-02-03

    申请号:CN202211602555.4

    申请日:2022-12-14

    Abstract: 本发明公开了一种基于叶绿素有机配体制备导电橡胶的方法。首先,通过离子交换‑甲基氧化法,将叶绿素制备成具有高分布羧基结构含铁叶绿素类似物。然后,采用微波法,通过镍盐与含铁叶绿素类似物上羧基配位形成Fe‑Ni MOF,再部分热解成碳纳米管(CNT),形成Fe‑Ni MOF‑CNT复合材料。将复合材料加入到低浓度的天然橡胶乳液中,经后续进一步加工,得到具有高稳定性、高导电性的MOF‑CNT/天然橡胶。一方面,发挥叶绿素母体比表面积大、多孔结构及高度共轭的π电子的优势,增强导电性;另一方面,避免碳纳米管因团聚而发生混炼不完全问题,提高稳定性。同时,Fe与Ni协同促进电荷和电子的传导,以及调控碳纳米管的电荷分布和电子自旋密度,提高橡胶材料的导电性和稳定性,解决传统橡胶稳定性差、电导性低的问题。

    一种基于毫米波CRAN的3D定位、测速和环境映射方法

    公开(公告)号:CN110225449B

    公开(公告)日:2021-01-12

    申请号:CN201910427793.8

    申请日:2019-05-22

    Applicant: 东南大学

    Inventor: 杨杰 金石

    Abstract: 本发明公开了一种基于毫米波CRAN的3D定位、测速和环境映射方法,包括:各用户发送上行正交导频信号至各射频远端,射频远端通过前向链路将接收到的信号传递给中央处理单元,中央处理单元通过接收信号获取各射频远端和各用户之间各条传播路径的测量信息;中央处理单元利用各径的测量信息,筛选出用户和若干个射频远端之间的直射径,根据相关直射径的测量信息建立联合位置速度估计模型;依据上述模型设计联合估计算法,获取用户的位置和速度;中央处理单元利用各径的测量信息,筛选出用户和所有射频远端之间的单跳非直射径,结合已估的用户位置建立环境映射模型;依据上述模型设计估计算法,完成环境映射。本发明以低开销和算法复杂度实现高精度定位。

    一种基于毫米波CRAN的3D定位、测速和环境映射方法

    公开(公告)号:CN110225449A

    公开(公告)日:2019-09-10

    申请号:CN201910427793.8

    申请日:2019-05-22

    Applicant: 东南大学

    Inventor: 杨杰 金石

    Abstract: 本发明公开了一种基于毫米波CRAN的3D定位、测速和环境映射方法,包括:各用户发送上行正交导频信号至各射频远端,射频远端通过前向链路将接收到的信号传递给中央处理单元,中央处理单元通过接收信号获取各射频远端和各用户之间各条传播路径的测量信息;中央处理单元利用各径的测量信息,筛选出用户和若干个射频远端之间的直射径,根据相关直射径的测量信息建立联合位置速度估计模型;依据上述模型设计联合估计算法,获取用户的位置和速度;中央处理单元利用各径的测量信息,筛选出用户和所有射频远端之间的单跳非直射径,结合已估的用户位置建立环境映射模型;依据上述模型设计估计算法,完成环境映射。本发明以低开销和算法复杂度实现高精度定位。

    低精度模数转换与混合预编码结合的无反馈波束训练方法

    公开(公告)号:CN107276649A

    公开(公告)日:2017-10-20

    申请号:CN201710427789.2

    申请日:2017-06-08

    Applicant: 东南大学

    Abstract: 本发明公开了一种低精度模数转换与混合预编码结合的无反馈波束训练方法,该方法按以下步骤进行:1)基站选通混合预编码模块,将训练数据用粗波束全方向发送;2)用户选通低精度模数转换器模块,从接收信息中估计出质量最好的几个到达波束的角度信息;3)用户选通混合预编码模块,利用上一步获得的角度信息,将训练数据连续用不同角度的单波束发送;4)基站选通低精度模数转换器模块,同理从接收信息中估计出到达波束的角度信息,利用信道互异性即可获取基站与用户间的匹配波束,完成信道的接入。本发明不仅可以高效完成信道接入,还可以有效的简化波束训练过程,无需再设计复杂的反馈通道,快速找到基站与用户间的匹配波束。

Patent Agency Ranking