公开(公告)号：CN118449641A

公开(公告)日：2024-08-06

申请号：CN202410579908.6

申请日：2024-05-11

Applicant: 东南大学

Inventor： 朱鹏程 ,  盛政 ,  李佳珉 ,  尤肖虎

IPC: H04B17/391 ,  H04B17/00 ,  H04B7/0413

Abstract: 本发明提出了一种基于Transformer的无蜂窝大规模MIMO系统活跃用户检测方法，属于无线通信领域，实现步骤为：1)根据无蜂窝大规模MIMO系统的信道模型和接收信号组成，产生训练和测试用数据集；2)根据地理位置对用户进行分组，确定每个接入点负责检测的用户；3)每个接入点分别训练自己的基于Transformer的神经网络，其由预处理和线性投影、稀疏注意力Transformer块、单查询注意力、相关性检测共四个模块组成；4)中央处理器接收到每个接入点的神经网络参数，固定其保持不变，只训练融合模块的神经网络参数；5)在完成接入点和中央处理器处神经网络训练后，进行活跃用户检测；与传统的深度学习活跃用户检测方法相比，本发明能在用户导频改变时，快速准确地输出用户活跃状态。

公开(公告)号：CN113242193B

公开(公告)日：2022-06-21

申请号：CN202110504891.4

申请日：2021-05-10

Applicant: 东南大学

Inventor： 朱鹏程 ,  徐军 ,  盛政 ,  李佳珉 ,  尤肖虎

IPC: H04L25/02 ,  H04L27/26

Abstract: 本发明公开了一种低训练开销的混合大规模MIMO‑OFDM系统信道估计方法，适用于通信领域使用。先建立混合大规模MIMO‑OFDM系统信道模型、上行链路信号传输模型以及混合结构采样模型，使得基站得到一个不完整的基带信号采样张量用于信道估计；对不完整的基带信号采样张量进行模3展开，获得不完整的基带信号采样矩阵；基站设计矩阵补全算法，以不完整的基带信号采样矩阵为输入，输出完整的估计矩阵；将完整的估计矩阵进行模3展开逆运算，得到估计张量，然后根据该估计张量和已知的导频矩阵完成信道估计。该方法能显著降低训练开销，并且可以通过增加子载波数来降低估计误差。

公开(公告)号：CN113242193A

公开(公告)日：2021-08-10

申请号：CN202110504891.4

申请日：2021-05-10

Applicant: 东南大学

Inventor： 朱鹏程 ,  徐军 ,  盛政 ,  李佳珉 ,  尤肖虎

IPC: H04L25/02 ,  H04L27/26

Abstract: 本发明公开了一种低训练开销的混合大规模MIMO‑OFDM系统信道估计方法，适用于通信领域使用。先建立混合大规模MIMO‑OFDM系统信道模型、上行链路信号传输模型以及混合结构采样模型，使得基站得到一个不完整的基带信号采样张量用于信道估计；对不完整的基带信号采样张量进行模3展开，获得不完整的基带信号采样矩阵；基站设计矩阵补全算法，以不完整的基带信号采样矩阵为输入，输出完整的估计矩阵；将完整的估计矩阵进行模3展开逆运算，得到估计张量，然后根据该估计张量和已知的导频矩阵完成信道估计。该方法能显著降低训练开销，并且可以通过增加子载波数来降低估计误差。