-
公开(公告)号:CN110474716B
公开(公告)日:2021-09-14
申请号:CN201910746945.0
申请日:2019-08-14
Applicant: 安徽大学
Abstract: 本发明涉及一种基于降噪自编码器的SCMA编解码器模型的建立方法,包括:建立基于降噪自编码器与全连接神经网络的SCMA编码器,将用户的原始输入数据映射为码字;将每个资源块上的所有用户的码字叠加传输,再将每个资源块上的信号叠加信道噪声;在接收端建立基于全连接神经网络的SCMA解码器,解码出所有用户的原始输入数据;训练基于降噪自编码器的SCMA编解码器模型;测试上述基于降噪自编码器的SCMA编解码器模型的BER性能。相比较于传统的SCMA系统,本发明降低了编解码复杂度;相比较于现有的基于深度学习的SCMA系统模型,本发明进一步降低了误码率;相比较于现有的基于深度学习的SCMA系统模型,本发明具有更快的训练收敛速度。
-
公开(公告)号:CN113078931A
公开(公告)日:2021-07-06
申请号:CN202110326125.3
申请日:2021-03-26
Applicant: 安徽大学
IPC: H04B7/0456
Abstract: 本发明提供一种基于QGA‑OMP算法的毫米波大规模MIMO混合预编码方法及系统,在传统的OMP算法用于毫米波大规模MIMO混合预编码的研究基础上,利用QGA算法模拟自然进化过程、快速搜索全局最优值的特点,搜索与残差内积相乘最大的阵列响应矢量,获得全局最优解的阵列响应向量,从而在发射端获得最优的基带预编码器和射频预编码器,消除了对已知候选矩阵的需求、降低了计算的复杂度;同时,QGA算法获得的全局最优解的阵列响应向量,使本发明的混合预编码性能接近于最优的全数字预编码,极大的提高了系统的频谱效益。
-
公开(公告)号:CN112910519A
公开(公告)日:2021-06-04
申请号:CN202110148109.X
申请日:2021-02-03
Applicant: 安徽大学
IPC: H04B7/0413 , H04W16/22 , H04W24/06
Abstract: 本发明涉及基于残差齐次化排序技术的大规模MIMO基站接收端信号恢复方法,与现有技术相比解决了MIMO信号恢复方法复杂度过高的缺陷。本发明包括以下步骤:MIMO系统上行链路基站的预处理;发送端信号的接收;信号数据的计算和处理;进行信号数据的恢复。本发明避免了矩阵求逆过程,有效降低了信号检测过程的计算复杂度,提高了信号检测的收敛速率,同时拥有较好的误码率性能。
-
-
-
公开(公告)号:CN217541994U
公开(公告)日:2022-10-04
申请号:CN202221531524.X
申请日:2022-06-16
Applicant: 安徽大学
IPC: G01D21/02
Abstract: 本实用新型公开一种多参数山体滑坡特征检测装置,包括:主控、含水量传感器、震动传感器、应力传感器以及供电系统、所述含水量传感器、震动传感器与应力传感器均包括有433发送单元,所述主控包括有与433发送单元射频连接的433接收单元。本实用新型由主控、含水量传感器、震动传感器、应力传感器以及供电系统构成,通过含水量传感器检测山体全局含水量,辅助震动传感器检测山体滑坡时地面震动情况,再配合应力传感器检测山脚应力以及土壤板块的变形程度,以达到对山体滑坡特征的提前检测,此外通过433发送单元以及433接收单元进行远距离传输,可脱离互联网来达到实时收发传感器的数据的功能。
-
-
-
-
-