-
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: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:CN109831399A
公开(公告)日:2019-05-31
申请号:CN201910057264.3
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的OFDM接收机,包括:射频天线,用于采集实际信道环境中的射频信号;基于FPGA芯片的无线电模块,用于对射频天线采集的射频信号进行时钟同步和帧同步,并进行离散傅立叶变换FFT转至频域信号,通过高速以太网接口传输;多核通用处理器,用于对频域信号进行侦听,还原出频域信号;并将还原出的频域信号输入人工智能算法中根据实际信道环境训练出的神经网络,由神经网络输出发射数据流的估计,并将发射数据流的估计传输至计算机接收和显示。本发明引入人工智能算法取代传统接收机的信道估计、信号检测和解映射模块,降低了信道建模的难度,满足实时性要求,具有很强的灵活性和可扩展性。
-
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。
-
-
-