一种面向功率放大器的迁移学习快速低复杂度建模方法

    公开(公告)号:CN113221308A

    公开(公告)日:2021-08-06

    申请号:CN202110659703.5

    申请日:2021-06-11

    Abstract: 本发明为一种面向功率放大器的迁移学习快速低复杂度建模方法,属于无线通信技术领域。本发明包括:首先训练一个功率放大器的DNN模型,再利用迁移学习,复制和固定DNN模型的部分参数和网络结构作为预设计过滤器,然后构建包括预设计过滤器和迁移学习层的迁移学习神经网络模型TLNN,通过对不同层数的预设计过滤器形成的TLNN模型进行训练,选出性能好且训练时长短的模型。最终模型固定了预设计过滤器的层数,在需要对功率放大器重新建模时,直接利用固定层数的预设计过滤器的TLNN模型进行训练来获取模型。本发明在保证PA模型建模效果良好的同时,有效减少模型的训练时间,满足了实际应用中频繁对功率放大器进行建模的需要。

    一种适用于GEO/LEO网络的LEO上行异步协同多址接入方法

    公开(公告)号:CN108712201B

    公开(公告)日:2019-09-06

    申请号:CN201810399346.1

    申请日:2018-04-28

    Abstract: 本发明提供了一种适用于GEO/LEO网络的LEO上行异步协同多址接入方法,在GEO接收节点处通过串行干扰消除方法解决LEO上行消息在异步随机接入时的碰撞问题。本发明方法中,各LEO节点编码调制消息包发送出去,每个LEO节点发送的消息包至少被两个GEO节点接收;各GEO节点将接收到的消息包回传给地面的信关站;信关站的解调装置为每个GEO节点对应设置有一个滑动检测窗口,进行消息检测和编码解调。在解调时,利用异构时延和未碰撞的消息包来进行跨节点协同干扰消除,恢复碰撞的消息包。本发明无需系统同步,减少了用于系统同步所引入的功率和信令开销,并降低了终端的功耗。

    面向5G宽带功放的自适应快速误差修正数字预失真方法

    公开(公告)号:CN115278746A

    公开(公告)日:2022-11-01

    申请号:CN202210895077.4

    申请日:2022-07-28

    Abstract: 本发明为一种面向5G宽带功放的自适应快速误差修正数字预失真方法,属于无线通信技术领域。本发明方法在求解功率放大器模型系数时,采用高斯分布随机选择主列的Householder QR最小二乘算法,联合3级BLAS内核进行阻塞算法加速,解决了高阶矩阵运算或求逆操作计算复杂度过高且学习过程难以实时更新的问题;并设置粗调链路和微调链路,单次计算粗调模型系数,引入并行的微调链路,比较反馈信号与源信号的差异,消除粗调产生的误差,能在毫秒内动态更新预失真参数,实现了对功放非线性的实时追踪与补偿,满足数字预失真系数更新时间要求。本发明方法具有参数灵活可调、可移植性和鲁棒性强的优点,适用于大带宽高速率信号系统。

    一种面向功率放大器的深度神经网络泛化性建模方法

    公开(公告)号:CN114565077A

    公开(公告)日:2022-05-31

    申请号:CN202210126012.3

    申请日:2022-02-10

    Abstract: 本发明提出一种面向功率放大器的深度神经网络泛化性建模方法,属于无线通信技术领域;首先,采集不同带宽和功率水平的数据,并调制到具有K个子载波的OFDM系统上生成OFDM信号,经过采样得到采样信号,并基于云边协同上传至云端;然后,对各OFDM信号的相应带宽和功率水平进行one‑hot编码,并通过全连接神经网络层,标记输出为各自的编码向量;基于此构建DNN模型;并利用采集的不同带宽和功率水平的数据,对DNN模型进行训练,实现基于多种状态数据的泛化性建模;本发明实现了对多组带宽、功率水平的功率放大器信号进行建模,避免了当存在不同带宽、功率条件的OFDM信号时需要针对性的逐一训练网络模型的问题,减少了需要建模的数量,大大提高了建模效率。

    一种面向百兆赫兹信号带宽功放的高效预失真方法

    公开(公告)号:CN112787601B

    公开(公告)日:2022-05-20

    申请号:CN202011584522.2

    申请日:2020-12-28

    Abstract: 本发明为一种面向百兆赫兹信号带宽功放的高效预失真方法,属于无线通信技术领域。本发明的预失真方法只对功率放大器(PA)的部分输出信号进行线性化补偿,采用多相DPD(数字预失真)结构;本发明在数字预失真系统中增加智能信号处理模块,智能信号处理模块根据要补偿的DPD线性化带宽设置半带滤波器个数,结合源信号参数计算ADC(模数转化)欠采样因子和多相DPD分支数目,并对欠采样信号和DPD的输出信号做相关性计算获取时延,以保证参数训练时两个数据信号对齐。本发明可同时联动降低DPD数据吞吐量和反馈回路采样带宽,实现灵活设置DPD数据吞吐量,节约DPD的硬件实现成本。

    一种450MHz频段卫星气象业务与铁路列调系统的干扰分析方法

    公开(公告)号:CN107395299B

    公开(公告)日:2021-01-26

    申请号:CN201710535011.3

    申请日:2017-07-03

    Abstract: 本发明公开了一种450MHz频段卫星气象业务与铁路列调系统的干扰分析方法,属于移动性场景与低轨卫星的干扰分析领域。本发明使用了实际应用中Argos系统以及铁路列调系统的参数,结合不同系统、不同业务中ITU提供的天线方向图和Argos系统中气象卫星轨道运行规律,分析了四种干扰情况,通过动态分析不同情况下的干扰,选择动态的信道传播模型与系统动态干扰门限值,使用最小二乘法校正四种干扰情况中的传播路径损耗,并以此分析低轨卫星与地面移动系统之间是否存在干扰。本发明的干扰分析方法反应了实际链路的性能,提高了干扰分析的准确性,给出了统一的干扰分析形式,适用范围更广。

    一种基于语义分析的深度学习图像压缩方法

    公开(公告)号:CN110517329A

    公开(公告)日:2019-11-29

    申请号:CN201910741565.8

    申请日:2019-08-12

    Abstract: 本发明提出一种基于语义分析的深度学习图像压缩方法,属于图像有损压缩技术领域。包括:步骤1,对输入的图像使用卷积神经网络CNN对图像进行特征提取,标识每个像素的语义重要程度;步骤2,将输入图像进行分块,压缩比特分配对每个图像块依据其语义重要程度计算对应的压缩比例;步骤3,使用基于CNN和循环神经网络LSTM的网络结构对图像按照计算好的压缩比例进行压缩和恢复。本发明将深度学习在图像语义分析和图像压缩领域的应用相结合,根据语义重要程度分配图像不同区域的压缩比特,以实现基于语义重要度分析的图像压缩效果,提高图像中人眼关注区域的视觉质量,整张图片占据的空间更小,在物联网图像处理方面有很好的应用价值。

    基于深度增强学习的动态波束调度方法

    公开(公告)号:CN108966352B

    公开(公告)日:2019-09-27

    申请号:CN201810734324.6

    申请日:2018-07-06

    Abstract: 本发明提供了一种基于深度增强学习的动态波束调度方法,属于多波束卫星通信系统领域。本方法首先将动态波束调度问题建模为马尔科夫决策过程,每个时隙的状态包括卫星缓存器中的数据矩阵、时延矩阵和信道容量矩阵,动作表示动态波束调度策略,目标是长期减小所有数据包的累计等待时延,然后利用深度增强学习算法求解最佳动作策略,建立CNN+DNN结构的Q网络,训练Q网络,利用训练好的Q网络来进行动作决策,获得最佳动作策略。本发明通过大量的自主学习,使得卫星根据此刻的环境状态直接输出当前的波束调度结果,长期最大化系统的综合性能,在保持系统吞吐量几乎不变的同时,大大减小数据包的传输等待时延。

    一种适用于GEO/LEO网络的LEO上行异步协同多址接入方法

    公开(公告)号:CN108712201A

    公开(公告)日:2018-10-26

    申请号:CN201810399346.1

    申请日:2018-04-28

    Abstract: 本发明提供了一种适用于GEO/LEO网络的LEO上行异步协同多址接入方法,在GEO接收节点处通过串行干扰消除方法解决LEO上行消息在异步随机接入时的碰撞问题。本发明方法中,各LEO节点编码调制消息包发送出去,每个LEO节点发送的消息包至少被两个GEO节点接收;各GEO节点将接收到的消息包回传给地面的信关站;信关站的解调装置为每个GEO节点对应设置有一个滑动检测窗口,进行消息检测和编码解调。在解调时,利用异构时延和未碰撞的消息包来进行跨节点协同干扰消除,恢复碰撞的消息包。本发明无需系统同步,减少了用于系统同步所引入的功率和信令开销,并降低了终端的功耗。

Patent Agency Ranking