-
公开(公告)号：CN114826462B
公开(公告)日：2024-03-12
申请号：CN202210431428.6
申请日：2022-04-22
Applicant: 东南大学
IPC: H04B17/391 , H04B7/0413
Abstract: 本发明公开了一种面向大规模MIMO统计端口选择的波束域信道增广方法。该方法将条件变分自编码器(CVAE)与混合密度网络(MDN)相结合，基于有限用户位置与多基站端口选择采样的波束域信道状态信息(CSI)，针对未采样用户位置分布以及端口选择组合进行有效增广，具体包括：将采样波束域CSI与端口选择输入编码器网络，得到低维隐变量分布；将低维隐变量采样值和端口选择输入解码器MDN网络，输出未知用户位置分布对应的波束域CSI混合高斯分布模型。与现有方法不同的是，本发明能够直接学习给定端口选择条件下的波束域CSI的概率分布，可服务于后续面向系统性能优化的统计端口选择。同时，MDN的采用可通过混合高斯分布模型获得更加精确的波束域CSI概率分布拟合。
-
Patent Agency Ranking
公开(公告)号：CN114745032A
公开(公告)日：2022-07-12
申请号：CN202210353306.X
申请日：2022-04-06
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0426 , H04B7/0456 , H04B7/06
Abstract: 本发明公开了一种无蜂窝大规模MIMO智能分布式波束选择方法。各基站训练本地无监督网络，基于完整信道状态信息的低开销表征，如同步信号块波束的接收信号强度指示，进行波束空间的压缩，提高波束选择的效率；将各基站划分为多个包含少量共有基站的局部协作集，并利用博弈等分布式算法，实现低开销联合波束选择；结果进一步返回各基站，利用有监督学习实现基于本地低开销信道表征的自主波束选择。本发明利用无监督学习压缩波束空间，而非直接映射波束选择，可显著降低学习难度。同时，引入局部协作集并利用分布式算法执行有效的联合波束选择，可为无监督学习提供有效的训练损失函数，同时提供显式标签帮助系统实现分布式联合波束选择。
-
公开(公告)号：CN114915322A
公开(公告)日：2022-08-16
申请号：CN202210486376.2
申请日：2022-05-06
Applicant: 东南大学
IPC: H04B7/0426 , H04B17/391 , H04W52/28 , G06F30/27 , G06N3/04
Abstract: 本发明公开了一种基于半监督学习与特征增广的多小区大规模MIMO通信的功率分配方法，包括：(1)构建多小区大规模MIMO网络通信场景仿真环境，并计算不同用户分布时所对应的最优功率分配，作为监督学习部分的标签，以用户位置作为特征并进行特征增广。(2)构建分支型DNN模型，进行有监督训练直至收敛，冻结模型参数。(3)设计无监督训练时的损失函数，同时考虑优化目标与功率约束条件两部分。解冻模型参数，继续对模型进行无监督训练至模型收敛。本发明可以逼近复杂的传统算法，半监督减少了所需样本的数量，特征复用在特征较少的情况下保证了网络的训练效果，且只需要用户的位置信息而不需要信道状态信息反馈。
-
公开(公告)号：CN114915322B
公开(公告)日：2024-03-08
申请号：CN202210486376.2
申请日：2022-05-06
Applicant: 东南大学
IPC: H04B7/0426 , H04B17/391 , H04W52/28 , G06F30/27 , G06N3/048 , G06N3/0895
-
公开(公告)号：CN114745032B
公开(公告)日：2024-02-09
申请号：CN202210353306.X
申请日：2022-04-06
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0426 , H04B7/0456 , H04B7/06
Abstract: 本发明公开了一种无蜂窝大规模MIMO智能分布式波束选择方法。各基站训练本地无监督网络，基于完整信道状态信息的低开销表征，如同步信号块波束的接收信号强度指示，进行波束空间的压缩，提高波束选择的效率；将各基站划分为多个包含少量共有基站的局部协作集，并利用博弈等分布式算法，实现低开销联合波束选择；结果进一步返回各基站，利用有监督学习实现基于本地低开销信道表征的自主波束选择。本发明利用无监督学习压缩波束空间，而非直接映射波束选择，可显著降低学习难度。同时，引入局部协作集并利用分布式算法执行有效的联合波束选择，可为无监督学习提供有效的训练损失函数，同时提供显式标签帮助系统实现分布式联合波束选择。
-
公开(公告)号：CN114826462A
公开(公告)日：2022-07-29
申请号：CN202210431428.6
申请日：2022-04-22
Applicant: 东南大学
IPC: H04B17/391 , H04B7/0413
Abstract: 本发明公开了一种面向大规模MIMO统计端口选择的波束域信道增广方法。该方法将条件变分自编码器(CVAE)与混合密度网络(MDN)相结合，基于有限用户位置与多基站端口选择采样的波束域信道状态信息(CSI)，针对未采样用户位置分布以及端口选择组合进行有效增广，具体包括：将采样波束域CSI与端口选择输入编码器网络，得到低维隐变量分布；将低维隐变量采样值和端口选择输入解码器MDN网络，输出未知用户位置分布对应的波束域CSI混合高斯分布模型。与现有方法不同的是，本发明能够直接学习给定端口选择条件下的波束域CSI的概率分布，可服务于后续面向系统性能优化的统计端口选择。同时，MDN的采用可通过混合高斯分布模型获得更加精确的波束域CSI概率分布拟合。
-
-
-
-
-
Search Results
6
records
(took 0.01 seconds)
