公开(公告)号：CN116319195A

公开(公告)日：2023-06-23

申请号：CN202310352756.1

申请日：2023-04-04

Applicant: 上海交通大学

Inventor： 韩充 ,  胡正东 ,  陈宇航

IPC: H04L25/02 ,  H04B10/90

Abstract: 一种基于剪枝卷积神经网络的毫米波和太赫兹信道估计方法，在离线阶段利用近似消息传递压缩感知算法(AMP)处理信道数据，得到初始的信道预测，再将其输入卷积神经网络(DCNN)进行训练；再对训练后的卷积神经网络进行剪枝操作后保留网络参数不变的前提下，将初始的信道预测输入神经网络的同时，以真实的信道作为标签重新训练；在在线阶段采用训练后的卷积神经网络进行毫米波和太赫兹信道估计。本发明通过基于剪枝卷积神经网络的信道估计算法，使用剪枝算法删除卷积神经网络中冗余的连接，极大压缩神经网络的规模，提高信道估计的效率，同时保证信道估计的高精度。

公开(公告)号：CN116388905A

公开(公告)日：2023-07-04

申请号：CN202310352689.3

申请日：2023-04-04

Applicant: 上海交通大学

Inventor： 韩充 ,  胡正东 ,  李元博

IPC: H04B17/391 ,  G06F30/27 ,  G06N3/04 ,  G06N3/094 ,  G06N3/096

Abstract: 一种基于迁移生成对抗网络的毫米波和太赫兹信道建模方法，通过在离线阶段构建生成对抗网络模型并采用模拟数据集进行预训练，再对预训练后的生成对抗网络模型进行迁移学习和微调，得到迁移对抗网络模型的毫米波和太赫兹信道；在在线阶段可以生成大量与测量数据相吻合的信道数据，从而解决了毫米波和太赫兹缺乏测量数据的问题，有助于毫米波和太赫兹通信系统的设计。与传统的第三代移动通信合作计划中的标准信道模型相比，本发明在信道建模方面取得了良好的性能，其均方根误差提高了9dB，结构相似性指数度量也更高，解决了测量数据稀少的问题并在实际测量的信道中得到了验证。

公开(公告)号：CN116319195B

公开(公告)日：2023-10-20

申请号：CN202310352756.1

申请日：2023-04-04

Applicant: 上海交通大学

Inventor： 韩充 ,  胡正东 ,  陈宇航

IPC: H04L25/02 ,  H04B10/90

Abstract: 一种基于剪枝卷积神经网络的毫米波和太赫兹信道估计方法，在离线阶段利用近似消息传递压缩感知算法(AMP)处理信道数据，得到初始的信道预测，再将其输入卷积神经网络(DCNN)进行训练；再对训练后的卷积神经网络进行剪枝操作后保留网络参数不变的前提下，将初始的信道预测输入神经网络的同时，以真实的信道作为标签重新训练；在在线阶段采用训练后的卷积神经网络进行毫米波和太赫兹信道估计。本发明通过基于剪枝卷积神经网络的信道估计算法，使用剪枝算法删除卷积神经网络中冗余的连接，极大压缩神经网络的规模，提高信道估计的效率，同时保证信道估计的高精度。