-
公开(公告)号：CN107919895B
公开(公告)日：2020-05-01
申请号：CN201711136688.6
申请日：2017-11-16
Applicant: 东南大学
IPC: H04B7/0452 , H04B7/08 , H04L25/02
Abstract: 本发明公开了一种大规模多用户MIMO系统的分布式检测方法。将接收信号划分成多个组，对每个组的接收信号分别用基于EP算法的MIMO信号检测模块进行分布式信号检测，然后针对三种EP MIMO检测器采用不同的处理过程，得到最终的检测结果。本发明通过分布式设计大大降低了EP算法在大规模多用户MIMO系统信号检测应用时的复杂度，给出的三种基于EP算法的分布式MIMO检测器在大规模多用户MIMO系统中性能极佳，且就复杂度而言可以实现。
-
公开(公告)号：CN110311718A
公开(公告)日：2019-10-08
申请号：CN201910602829.1
申请日：2019-07-05
Applicant: 东南大学
IPC: H04B7/06
Abstract: 本发明公开了一种大规模MIMO信道状态信息反馈中的量化和逆量化方法。首先，在用户端获取信道矩阵，对信道矩阵作二维DFT变换，使得在空间-频率域的信道矩阵变换为在角度-时间延迟域稀疏的信道矩阵；其次，构建经量化的信道反馈及重建的模型Quantized-CsiNet；再次，对经量化的信道反馈及重建模型进行训练；然后，对输出的重建信道矩阵作二维逆DFT变换，恢复出原始空间-频率域的信道矩阵重建值；最后，将此训练好的Quantized-CsiNet模型应用于各实际场景中的信道状态信息反馈，重建出原信道矩阵。本发明通过在CsiNet中加入量化和逆量化模块可获得实际可传输的信道状态信息比特流，并减小大规模MIMO信道信息的反馈开销，提高重建精度，特别是对量化误差具有极好的鲁棒性。
-
公开(公告)号：CN110299921A
公开(公告)日：2019-10-01
申请号：CN201910500984.2
申请日：2019-06-11
Applicant: 东南大学
Abstract: 本发明公开了一种模型驱动的Turbo码深度学习译码方法，首先将Turbo码迭代译码结构展开为一个“平铺”式的结构，并且将每一次迭代用一个DNN译码单元替代，构成用于Turbo码译码的网络TurboNet；然后构建传统Max-Log-MAP算法的图形结构并将其参数化，得到一个基于Max-Log-MAP算法的深度神经网络，将其作为TurboNet译码单元中的子网络，从而替代传统译码结构中的SISO译码器及由SISO译码器的输出获得外信息的计算；对由M个DNN单元组成的TurboNet进行训练，获得模型参数；最后对TurboNet的输出值用sigmoid函数归一化，并对归一化的结果进行硬判决，得到对真实信息序列u的估计值 实现对Turbo码的译码。本发明可以提高Max-Log-MAP算法的误码率性能，且和纯数据驱动的模型相比，参数个数减少了2个数量级，极大地降低了时延。
-
公开(公告)号：CN109391315A
公开(公告)日：2019-02-26
申请号：CN201811067653.6
申请日：2018-09-13
Applicant: 东南大学
IPC: H04B7/08
Abstract: 本发明公开了一种数据模型双驱动的MIMO接收机，由T层相同结构的网络串联而成，其中每层网络均包括最小均方误差去噪器和线性估计器；将信道状态信息和接收信号作为每层网络的输入，其中第t层网络结合第(t-1)层网络的输出计算得到错误方差向量；第t层网络根据输入的待训练参数、错误方差估计向量和线性估计器计算得到外信息，并根据外信息采用最小均方误差去噪器计算得到后验概率均值，同时输出并传递至下一层网络；由第T层网络输出发送符号的估计值。本发明可以大幅提升网络性能，实现动态更新，网络自适应，可提升接收机性能，在传统迭代接收机的基础上获得显著的性能增益。
-
公开(公告)号：CN108390706A
公开(公告)日：2018-08-10
申请号：CN201810090648.0
申请日：2018-01-30
Applicant: 东南大学
IPC: H04B7/0417 , H04B7/0456 , H04B7/06
CPC classification number: H04B7/0417 , H04B7/0456 , H04B7/066 , H04B7/0663
Abstract: 本发明公开了一种基于深度学习的大规模MIMO信道状态信息反馈方法，首先在用户端，对MIMO信道状态信息在空频域的信道矩阵 做二维离散傅立叶变换，获得在角延迟域稀疏的信道矩阵H；其次，构建包括编码器和译码器的模型CsiNet，其中编码器属于用户端，将信道矩阵H编码为更低维度的码字，译码器属于基站端，从码字重建出原信道矩阵估计值并对模型CsiNet进行训练，获得模型参数；然后，对CsiNet输出的重建信道矩阵进行二维逆DFT变换，恢复得到原始空频域的信道矩阵重建值；最后，将训练好的CsiNet模型用于信道信息的压缩感知和重建。本发明可以减小大规模MIMO信道状态信息反馈开销，且具有极高的信道重建质量和极快的重建速度。
-
Patent Agency Ranking
公开(公告)号：CN110430147B
公开(公告)日：2021-12-14
申请号：CN201910634939.6
申请日：2019-07-15
Applicant: 东南大学
IPC: H04L25/02 , H04B7/0417
Abstract: 本发明公开了一种面向FDD系统的信道跟踪方法，包括：上行跟踪步骤在初始时刻上行信道进行精确估计，获取包括一条或多条传播路径的增益、俯仰角、水平角以及时延的信道参数；然后在后续的时刻内工作，利用低复杂度优化算法以及在前一个时刻中获得的参数来跟踪变化。下行重建步骤在基站端利用获取的信道参数向用户端发送稀疏导频，用户端利用下行导频重新估计增益并反馈回基站端，最后基站端利用上行跟踪得到的变化信道的每条传播路径的俯仰角、水平角以及时延以及用户端反馈的增益对时变的下行信道进行重建。该发明提供了大规模天线阵时变信道的跟踪与重建方法，尤其克服了FDD大规模天线系统信道信息跟踪复杂度高的难题。
-
公开(公告)号：CN109067688B
公开(公告)日：2021-09-07
申请号：CN201810743534.1
申请日：2018-07-09
Applicant: 东南大学
Abstract: 本发明公开了一种数据模型双驱动的OFDM接收方法，包括：分别对接收机内信道估计和信号检测模块中的深度神经网络进行训练；对于信道估计模块，输入接收的频域导频和本地频域导频，采用最小二乘估计方法估计获得最小二乘信道估计结果，取实部和虚部取出串联输入深度神经网络进行改进并输出信道估计结果；对于信号检测模块，输入接收的频域导频和信道估计模块得到的信道估计结果，采用迫零均衡方法获得迫零均衡结果，及输入深度神经网络进行改进并得到输出；对所得深度神经网络输出与设定门限做硬判决并获取判决结果，及由判决结果得到发送比特流的估计。本发明通过神经网络进行优化和改进，网络训练的时间消耗少，检测性能高、可快速获得信道信息。
-
公开(公告)号：CN112929304A
公开(公告)日：2021-06-08
申请号：CN202110101644.X
申请日：2021-01-26
Applicant: 东南大学
IPC: H04L25/02
Abstract: 本发明公开了一种环境知识库辅助的无线信道获取方法。包括：从大量数据、专家知识、环境信息等要素中萃取知识，构建相应的环境知识库；通过人工智能等算法设计通信中的导频信号/信道反馈机制；信道估计/重建模块联合利用导频信号/反馈数据流以及环境知识库信息，输出高精度的无线信道。本发明充分利用数据、环境信息、专家知识等要素中含有的知识，通过构建环境知识库，来辅助无线信道的获取，从而降低信道获取的开销，提高信道获取的精度。
-
公开(公告)号：CN112887903A
公开(公告)日：2021-06-01
申请号：CN202110101725.X
申请日：2021-01-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于软信息融合的通信定位感知一体化方法，包括以下步骤：用户从收到的射频信号、传感信号和图像信号中提取相应的软信息，进行融合处理，得到对自身位置和状态的估计，以及对周围环境特征的估计；多个用户通过众包的方式将各自估计的环境特征软信息反馈至基站端或云端，基站端或云端对其进行融合，构建电磁环境地图；各用户从基站端或云端下载电磁环境地图，基站和用户利用电磁环境地图作为先验信息，制定通信策略，提升软信息获取的精度和效率，从而提升通信、定位和感知的性能；基站端或云端不断接收用户反馈的环境感知信息，更新电磁环境地图。本发明以低开销和算法复杂度实现高精度定位和环境感知。
-
公开(公告)号：CN109861942B
公开(公告)日：2021-03-30
申请号：CN201910057260.5
申请日：2019-01-22
Applicant: 东南大学
Abstract: 本发明公开了一种人工智能辅助OFDM接收机的在线学习方法，包括：对人工智能辅助OFDM接收机中的神经网络进行离线训练；与OFDM接收机通信的发送机在待解调比特数据中按照固定间隔插入接收机已知的在线训练比特数据，并进行OFDM调制和发送；人工智能辅助OFDM接收机接收信号并进OFDM解调，通过两个数据收集器按照与发送机相同的顺序分开，得到接收频域数据和频域训练数据；对人工智能辅助OFDM接收机中的神经网络进行在线训练，得到在线更新网络参数后的神经网络；将频域接收数据输入在线更新网络参数后的神经网络，输出对待解调比特数据的估计，及进行判决恢复出比特流。本发明通过引入神经网络在线学习，改善了接收机在不同环境中的鲁棒性和接收比特错误率。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.018 seconds)
