公开(公告)号：CN110266352B

公开(公告)日：2021-05-04

申请号：CN201910445874.0

申请日：2019-05-27

Applicant: 东南大学

Inventor： 许威 ,  徐锦丹

IPC: H04B7/0413 ,  H04B7/0426 ,  H04W16/14

Abstract: 本发明提供了一种大规模MIMO系统中智能反射面相移矩阵自适应设计方法。在下行链路中，基站通过大规模天线阵列发射信号，智能反射面对接收信号进行移相操作，再反射给用户。本发明根据相应的通信环境，自适应地选择优化相移矩阵设计或者随机相移矩阵设计方法。优化相移矩阵设计通过发射一个单频信号，在最大化用户端接收功率的准则下，优化智能反射面的相移矩阵。随机相移矩阵设计随机确定每个反射元件的相位。本发明操作简单，计算复杂度低，两种相移矩阵设计方法都能够获得较高的功率效率和频谱效率，且无需智能反射面的任何信道状态信息，对采用智能反射面的大规模MIMO通信系统的设计与实现具有重要意义。

公开(公告)号：CN108365873B

公开(公告)日：2021-03-23

申请号：CN201810029893.0

申请日：2018-01-12

Applicant: 东南大学

Inventor： 许威 ,  徐锦丹

IPC: H04B7/0413 ,  H04B7/06 ,  H04L25/02

Abstract: 本发明公开了一种采用低精度ADC毫米波大规模MIMO自适应传输方法，包括：进行信道估计；进行数据传输：用户经过模拟波束成形后，向基站发送信号；基站采用低精度ADC对接收信号进行量化，低精度ADC基于量化比特数b进行配置，根据其他参数确定最优b。本发明综合考虑低精度ADC的量化误差、模拟波束成形增益、信道估计误差等，针对给定的数据速率需求，确定精度配置值，该精度配置值能够最小化基站信号模数转换模块的整体功耗。本发明中基站采用低精度ADC，用户端为多天线配置单条射频链路，大大降低了系统的硬件和功耗成本，适用于低信噪比环境下任意毫米波大规模MIMO通信系统。

公开(公告)号：CN108365873A

公开(公告)日：2018-08-03

申请号：CN201810029893.0

申请日：2018-01-12

Applicant: 东南大学

Inventor： 许威 ,  徐锦丹

IPC: H04B7/0413 ,  H04B7/06 ,  H04L25/02

Abstract: 本发明公开了一种采用低精度ADC毫米波大规模MIMO自适应传输方法，包括：进行信道估计；进行数据传输：用户经过模拟波束成形后，向基站发送信号；基站采用低精度ADC对接收信号进行量化，低精度ADC基于量化比特数b进行配置，根据其他参数确定最优b。本发明综合考虑低精度ADC的量化误差、模拟波束成形增益、信道估计误差等，针对给定的数据速率需求，确定精度配置值，该精度配置值能够最小化基站信号模数转换模块的整体功耗。本发明中基站采用低精度ADC，用户端为多天线配置单条射频链路，大大降低了系统的硬件和功耗成本，适用于低信噪比环境下任意毫米波大规模MIMO通信系统。

公开(公告)号：CN108063634B

公开(公告)日：2020-12-29

申请号：CN201810103187.6

申请日：2018-02-01

Applicant: 东南大学

Inventor： 许威 ,  徐锦丹

IPC: H04B7/0456 ,  H04B7/0413

Abstract: 本发明公开了一种低精度量化大规模MIMO中最优正则预编码方法，在大规模MIMO系统中，基站需要配置数十甚至上百根天线。为了降低硬件成本和系统功耗，基站端每根天线配置低精度量化的DAC，用户端一般配置有限精度量化的ADC。此外，由于基站端天线数目巨大而设备体积受限，天线阵列布置密集，多天线空间信道不独立，存在相关性。本发明综合考虑低精度量化和信道相关性的影响，在最大化每个用户接收信干噪比的准则下优化基站端的正则预编码方法。给定基站天线数目，DAC量化精度，以及信噪比，本发明能够迅速确定最优的正则预编码计算形式。本发明计算简单，对大规模MIMO系统的下行链路传输具有积极意义。

公开(公告)号：CN107359917B

公开(公告)日：2020-04-21

申请号：CN201710616384.3

申请日：2017-07-26

Applicant: 东南大学

Inventor： 许威 ,  徐锦丹

IPC: H04B7/0452 ,  H04W72/12

Abstract: 本发明公开了一种大规模MIMO最优用户调度数目配置方法，在大规模MIMO系统中，基站需要配置数十甚至上百根天线。为了降低硬件成本和系统功耗，基站每根天线配置1比特量化的DAC，单天线用户采用有限比特量化的ADC。面向该系统中下行链路数据传输，采用正规化迫零预编码。给定基站天线数目，用户ADC精度，信噪比，导频长度和相干时间间隔，本发明通过最大化每根天线提供的可达速率，计算最优的用户调度数目。本发明计算简单，能够迅速确定最优用户数目，对大规模MIMO系统的多用户调度参数配置具有指导意义。

公开(公告)号：CN107017927B

公开(公告)日：2020-04-03

申请号：CN201710110311.7

申请日：2017-02-28

Applicant: 东南大学

Inventor： 许威 ,  徐锦丹 ,  张华

IPC: H04B7/0413 ,  H04B7/06

Abstract: 本发明公开了一种大规模MIMO系统中基站DAC精度配置方法。在大规模MIMO系统中，配置多天线的基站同时服务于多个单天线用户。考虑下行链路，作为发射端的基站需要配置大量天线，因此为每个发射天线单元配置低精度DAC能够有效降低传输系统的整体功耗。终端用户的每根接收天线配置1比特量化ADC，给定每个用户的目标数据速率，本发明能够根据基站天线数目和终端设备数目等固定参数计算确定满足要求的基站DAC最佳精度。本发明计算简单，旨在以最小功耗成本实现系统目标性能，对大规模MIMO系统的设计和实现具有指导意义。

公开(公告)号：CN110266352A

公开(公告)日：2019-09-20

申请号：CN201910445874.0

申请日：2019-05-27

Applicant: 东南大学

Inventor： 许威 ,  徐锦丹

IPC: H04B7/0413 ,  H04B7/0426 ,  H04W16/14

Abstract: 本发明提供了一种大规模MIMO系统中智能反射面相移矩阵自适应设计方法。在下行链路中，基站通过大规模天线阵列发射信号，智能反射面对接收信号进行移相操作，再反射给用户。本发明根据相应的通信环境，自适应地选择优化相移矩阵设计或者随机相移矩阵设计方法。优化相移矩阵设计通过发射一个单频信号，在最大化用户端接收功率的准则下，优化智能反射面的相移矩阵。随机相移矩阵设计随机确定每个反射元件的相位。本发明操作简单，计算复杂度低，两种相移矩阵设计方法都能够获得较高的功率效率和频谱效率，且无需智能反射面的任何信道状态信息，对采用智能反射面的大规模MIMO通信系统的设计与实现具有重要意义。

公开(公告)号：CN104796195A

公开(公告)日：2015-07-22

申请号：CN201510134897.1

申请日：2015-03-25

Applicant: 东南大学

Inventor： 许威 ,  徐锦丹 ,  张华

IPC: H04B10/116 ,  H04B10/556

Abstract: 本发明公开了一种采用乘性削波的可见光多载波传输方法，根据PAM-DMT调制信号的特点，首先将每组对称时域信号中正值信号保留，负值信号置零。设定最大光信号阀值为ηc，当数据位大于ηc时，将数据位乘以给定常数α进行削波。然后，将对称位置信号值由0改为预先设定的固定信号值作为标记位。系统接收端通过MAP检测方法确定信号削波位置和标记位，最后根据发送端使用的乘性削波原则进行信号恢复，从而完成发送信号检测。该方法通过乘性削波有效降低了发射光信号的PAPR，方法实现简单，在抑制PAPR的同时提高了系统能量利用率，降低了系统对功放和发光二极管线性范围的要求，减少了信号在电、光域的非线性失真，提高了系统的整体性能。

公开(公告)号：CN110099016B

公开(公告)日：2022-05-31

申请号：CN201910397076.5

申请日：2019-05-14

Applicant: 东南大学

Inventor： 许威 ,  张雯惠 ,  徐锦丹

IPC: H04L25/02 ,  G06N3/04 ,  G06N3/08 ,  H04B7/0413 ,  H04L27/26

Abstract: 本发明公开了一种基于深度学习网络的毫米波稀疏阵面信道估计方法，以毫米波信道稀疏特性为先验信息，训练设计的全连接深度神经网络，用于毫米波阵面通信信道估计。首先采用全连接移相器网络，通过配置各移相器相位均匀分布来设计各向同性的模拟收发器；然后将获得的信道稀疏信息和设计的最优数字估计器作为全连接深度学习网络的训练数据。对于各信噪比下的稀疏信道，将信道的稀疏信息输入网络，得到相应的数字估计器，进而得到信道估计结果。本发明给出的稀疏信道估计器可以减小低精度模数转换器非线性量化带来的误差，并使用深度学习网络实现，从而降低信道估计复杂度，本发明性能能够逼近理论上最优的信道估计方法。

公开(公告)号：CN110099016A

公开(公告)日：2019-08-06

申请号：CN201910397076.5

申请日：2019-05-14

Applicant: 东南大学

Inventor： 许威 ,  张雯惠 ,  徐锦丹

IPC: H04L25/02 ,  G06N3/04 ,  G06N3/08 ,  H04B7/0413 ,  H04L27/26

Abstract: 本发明公开了一种基于深度学习网络的毫米波稀疏阵面信道估计方法，以毫米波信道稀疏特性为先验信息，训练设计的全连接深度神经网络，用于毫米波阵面通信信道估计。首先采用全连接移相器网络，通过配置各移相器相位均匀分布来设计各向同性的模拟收发器；然后将获得的信道稀疏信息和设计的最优数字估计器作为全连接深度学习网络的训练数据。对于各信噪比下的稀疏信道，将信道的稀疏信息输入网络，得到相应的数字估计器，进而得到信道估计结果。本发明给出的稀疏信道估计器可以减小低精度模数转换器非线性量化带来的误差，并使用深度学习网络实现，从而降低信道估计复杂度，本发明性能能够逼近理论上最优的信道估计方法。