-
公开(公告)号：CN115694697B
公开(公告)日：2024-11-29
申请号：CN202211189126.9
申请日：2022-09-28
Applicant: 东南大学
IPC: H04B17/391 , H04B17/373 , G06N3/0442 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于机器学习的空时域预测信道建模方法，包括：通过信道测量或仿真获取信道数据，并设置信道数据的邻节点数和时刻序列长度，构造空时图数据集；建立图注意力网络和门控循环单元模型，依次提取信道空间和时间特征；利用模型所提取信道空时域融合特征，预测当前通信场景下未来时刻各位置的信道统计特性。本发明提出的利用信道空时域高相关性数据特征的信道预测方法，能够实现对未知地点和未知时刻进行高精度信道统计特性预测，对多维度的预测信道建模研究具有指导意义。
-
公开(公告)号：CN119582989A
公开(公告)日：2025-03-07
申请号：CN202411541287.9
申请日：2024-10-31
IPC: H04B17/391 , G06N3/045 , G06N3/0442 , G06N3/0475 , G06N3/092
Abstract: 本发明公开了一种基于强化损失函数的空时域预测信道建模方法，有效地提高了基于机器学习的预测性信道建模的预测准确性。其实现步骤为：首先，对室内走廊信道测量数据进行预处理，得出相应场景和频段下的信道统计特性；然后，根据信道统计特性中的空时相关性设计基于空时相关函数的权重函数，并与传统损失函数相结合形成权重损失函数；最后通过改进门控循环单元网络的损失函数，感知信道数据中的空时相关特性，输出更为准确的预测信道数据，提高预测信道模型的预测性能。模型预测得到的信道统计特性清楚说明了本发明对空时域预测信道模型预测准确性的提升，所提出的损失函数可用于设计更精确的基于机器学习的预测信道模型。
-
Patent Agency Ranking
公开(公告)号：CN117155494A
公开(公告)日：2023-12-01
申请号：CN202311097011.1
申请日：2023-08-29
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04B17/391 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F30/20 , G06N3/044 , H04B17/309 , H04B17/373 , H04B7/22
Abstract: 本发明公开了一种基于散射体密度的场景预测信道建模方法，包括：通过信道测量或仿真获取具有不同场景散射体密度的信道数据；基于信道数据进行数据预处理得到相应的信道统计特性；以不同场景的散射密度为主要特征，构建图数据集来增强数据的空时相关性；按照一定比例将图数据集进行划分，然后利用图注意力网络和门控循环单元网络捕获信道的空时相关特征，实现跨场景信道预测。本发明提出的场景预测信道建模方法，能够捕获不同场景下的信道变化，通过信道空时高相关性数据特征来获取不同散射体密度下信道的特性，在基于场景的信道预测方面具有较好的性能，可用于6G多场景系统设计、网络优化与网络规划、资源分配等关键技术。
-
公开(公告)号：CN118312846A
公开(公告)日：2024-07-09
申请号：CN202410418554.7
申请日：2024-04-09
IPC: G06F18/241 , H04B17/309 , G06F18/15 , G06F18/213 , G06N3/0455 , G06N3/0499 , G06N3/0985 , G06N3/09 , G06N3/088
Abstract: 本发明公开了一种适用于6G无线通信的智能场景识别方法及装置，属于场景识别领域，方法包括：采集待识别的场景物理环境参数；待识别的场景物理环境参数输入到预先训练好的分类器进行分类，其中，分类器为利用场景物理环境参数对分类模型进行训练得到。本发明的方法能够采集不同6G无线通信场景中易获取的环境特征，通过数据预处理、分类器训练、超参数优化等步骤，使其具有较好的场景识别性能，可应用于6G多场景信道特性研究、系统设计、网络优化等关键技术。
-
公开(公告)号：CN116346262A
公开(公告)日：2023-06-27
申请号：CN202211603711.9
申请日：2022-12-13
Applicant: 东南大学
IPC: H04B17/391 , G06F18/24
Abstract: 本发明公开一种基于6G全覆盖场景分类的场景自适应信道建模方法。通过使用测量或仿真数据对信道模型参数进行优化，实现对6G全覆盖场景转换的全新架构设计和自适应信道建模。包括1)基于6G空‑天‑地‑海全覆盖场景的物理定义，使用环境参数与统计特征相组合方案进行场景转换分类。2)根据场景分类结果构建场景模型参数数据库。3)将场景对应的模型参数输入到6G普适信道模型中，生成场景转换的实时信道模型。4)根据实测数据，采用闭环反馈调整普适信道模型的参数，迭代得到场景转换的优化模型。5)验证具体场景自适应信道建模的精确度。针对复杂多样6G通信环境，自适应构建高精度信道模型，为无线通信研究发展奠定重要基础。
-
公开(公告)号：CN116070130A
公开(公告)日：2023-05-05
申请号：CN202211604035.7
申请日：2022-12-13
Applicant: 东南大学
IPC: G06F18/24 , G06V10/764 , G06V20/00 , H04W24/06
Abstract: 本发明提供一种针对6G全覆盖无线通信的场景扩展与分类方法。其实现步骤为：1)归纳标准化信道模型的场景与分类方法；2)按照“宏观到微观”聚焦原则，从宏观上划分为空、天、地、海这4大类场景；3)按照“标尺线”的海拔等高线原则，将子场景细分为内外或上下；4)根据物理属性和信号传播特点，定义更详细的应用场景和差异化物理参数。本发明主要解决现有无线通信场景统计不全面和分类不清晰的问题，能够提高6G全覆盖变换场景分类准确率和实时性，为无线通信场景分类研究和发展奠定重要基础。
-
公开(公告)号：CN115694697A
公开(公告)日：2023-02-03
申请号：CN202211189126.9
申请日：2022-09-28
Applicant: 东南大学
IPC: H04B17/391 , H04B17/373 , G06N3/0442 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于机器学习的空时域预测信道建模方法，包括：通过信道测量或仿真获取信道数据，并设置信道数据的邻节点数和时刻序列长度，构造空时图数据集；建立图注意力网络和门控循环单元模型，依次提取信道空间和时间特征；利用模型所提取信道空时域融合特征，预测当前通信场景下未来时刻各位置的信道统计特性。本发明提出的利用信道空时域高相关性数据特征的信道预测方法，能够实现对未知地点和未知时刻进行高精度信道统计特性预测，对多维度的预测信道建模研究具有指导意义。
-
-
-
-
-
-
Search Results
7
records
(took 0.124 seconds)
