-
公开(公告)号：CN110289875A
公开(公告)日：2019-09-27
申请号：CN201910635738.8
申请日：2019-07-15
Applicant: 东南大学
IPC: H04B1/16 , H04B7/0413 , G06N3/04
Abstract: 本发明公开了一种人工智能辅助的分布式MIMO接收机，由多个射频处理接入点和一个中心处理单元以及时钟分发网络构成。本发明针对分布式MIMO接收机中射频处理接入点远距离同步问题，建立了时钟分发网络，实现了快速、高精度的频率、时间同步；引入人工智能算法替代传统接收机的信道估计、信道均衡、QAM解映射模块，降低了信道建模的难度，对于具有庞大信息传输网络和数据规模的分布式MIMO系统，有效提升了实时数据处理速度，满足实时性要求，实现多节点数据高效处理，神经网络可针对性训练、可扩展，灵活性和适应性强。
-
公开(公告)号：CN112887903B
公开(公告)日：2022-12-09
申请号：CN202110101725.X
申请日：2021-01-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于软信息融合的通信定位感知一体化方法，包括以下步骤：用户从收到的射频信号、传感信号和图像信号中提取相应的软信息，进行融合处理，得到对自身位置和状态的估计，以及对周围环境特征的估计；多个用户通过众包的方式将各自估计的环境特征软信息反馈至基站端或云端，基站端或云端对其进行融合，构建电磁环境地图；各用户从基站端或云端下载电磁环境地图，基站和用户利用电磁环境地图作为先验信息，制定通信策略，提升软信息获取的精度和效率，从而提升通信、定位和感知的性能；基站端或云端不断接收用户反馈的环境感知信息，更新电磁环境地图。本发明以低开销和算法复杂度实现高精度定位和环境感知。
-
Patent Agency Ranking
公开(公告)号：CN109861942A
公开(公告)日：2019-06-07
申请号：CN201910057260.5
申请日：2019-01-22
Applicant: 东南大学
Abstract: 本发明公开了一种人工智能辅助OFDM接收机的在线学习方法，包括：对人工智能辅助OFDM接收机中的神经网络进行离线训练；与OFDM接收机通信的发送机在待解调比特数据中按照固定间隔插入接收机已知的在线训练比特数据，并进行OFDM调制和发送；人工智能辅助OFDM接收机接收信号并进OFDM解调，通过两个数据收集器按照与发送机相同的顺序分开，得到接收频域数据和频域训练数据；对人工智能辅助OFDM接收机中的神经网络进行在线训练，得到在线更新网络参数后的神经网络；将频域接收数据输入在线更新网络参数后的神经网络，输出对待解调比特数据的估计，及进行判决恢复出比特流。本发明通过引入神经网络在线学习，改善了接收机在不同环境中的鲁棒性和接收比特错误率。
-
公开(公告)号：CN109194595A
公开(公告)日：2019-01-11
申请号：CN201811123542.2
申请日：2018-09-26
Applicant: 东南大学
IPC: H04L25/02 , H04L25/03 , H04B17/391
CPC classification number: H04L25/0204 , H04B17/391 , H04L25/0254 , H04L25/0256 , H04L25/03159
Abstract: 本发明公开了一种基于神经网络的信道环境自适应OFDM接收方法，包括：选择若干种不同的信道环境，得到训练后的各深度神经网络；输入接收频域导频和本地频域导频估计得到带噪信道估计结果，输入训练后的主维纳滤波深度神经网络中并输出主信道估计结果，及得到各副信道估计结果并乘以权重后相加，得到最终信道估计结果；输入最终信道估计结果和接收的频域数据，得到迫零均衡结果，输入训练后的主和副均衡深度神经网络中得到各网络的输出结果并乘以权重系数后相加，经过硬判决后输出得到估计的比特流。实时采集实际传输中已知频域导频或信道参数，对所述权重系数动态调整。本发明具有参数少、工作效率高、在线切换灵活迅速等优点。
-
公开(公告)号：CN112887903A
公开(公告)日：2021-06-01
申请号：CN202110101725.X
申请日：2021-01-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于软信息融合的通信定位感知一体化方法，包括以下步骤：用户从收到的射频信号、传感信号和图像信号中提取相应的软信息，进行融合处理，得到对自身位置和状态的估计，以及对周围环境特征的估计；多个用户通过众包的方式将各自估计的环境特征软信息反馈至基站端或云端，基站端或云端对其进行融合，构建电磁环境地图；各用户从基站端或云端下载电磁环境地图，基站和用户利用电磁环境地图作为先验信息，制定通信策略，提升软信息获取的精度和效率，从而提升通信、定位和感知的性能；基站端或云端不断接收用户反馈的环境感知信息，更新电磁环境地图。本发明以低开销和算法复杂度实现高精度定位和环境感知。
-
公开(公告)号：CN109861942B
公开(公告)日：2021-03-30
申请号：CN201910057260.5
申请日：2019-01-22
Applicant: 东南大学
Abstract: 本发明公开了一种人工智能辅助OFDM接收机的在线学习方法，包括：对人工智能辅助OFDM接收机中的神经网络进行离线训练；与OFDM接收机通信的发送机在待解调比特数据中按照固定间隔插入接收机已知的在线训练比特数据，并进行OFDM调制和发送；人工智能辅助OFDM接收机接收信号并进OFDM解调，通过两个数据收集器按照与发送机相同的顺序分开，得到接收频域数据和频域训练数据；对人工智能辅助OFDM接收机中的神经网络进行在线训练，得到在线更新网络参数后的神经网络；将频域接收数据输入在线更新网络参数后的神经网络，输出对待解调比特数据的估计，及进行判决恢复出比特流。本发明通过引入神经网络在线学习，改善了接收机在不同环境中的鲁棒性和接收比特错误率。
-
公开(公告)号：CN109194595B
公开(公告)日：2020-12-01
申请号：CN201811123542.2
申请日：2018-09-26
Applicant: 东南大学
IPC: H04L25/02 , H04L25/03 , H04B17/391
Abstract: 本发明公开了一种基于神经网络的信道环境自适应OFDM接收方法，包括：选择若干种不同的信道环境，得到训练后的各深度神经网络；输入接收频域导频和本地频域导频估计得到带噪信道估计结果，输入训练后的主维纳滤波深度神经网络中并输出主信道估计结果，及得到各副信道估计结果并乘以权重后相加，得到最终信道估计结果；输入最终信道估计结果和接收的频域数据，得到迫零均衡结果，输入训练后的主和副均衡深度神经网络中得到各网络的输出结果并乘以权重系数后相加，经过硬判决后输出得到估计的比特流。实时采集实际传输中已知频域导频或信道参数，对所述权重系数动态调整。本发明具有参数少、工作效率高、在线切换灵活迅速等优点。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
