-
Patent Agency Ranking
公开(公告)号：CN115664471A
公开(公告)日：2023-01-31
申请号：CN202211057673.1
申请日：2022-08-31
Applicant: 东南大学
IPC: H04B7/024 , H04B7/0452 , H04B7/0456 , H04W24/02 , H04W24/06 , H04W72/044
Abstract: 本发明提供了基于宽学习的毫米波MIMO基站协作波束选择方法，针对多点协作毫米波MIMO场景的下行波束选择问题，借鉴纵向联邦学习框架，将原集中式的多基站上行宽波束响应与最佳传输窄波束的映射问题，通过垂直切割数据特征空间，转化为分布式学习问题，并设计了具体的基站协作分布式波束选择框架。通过挖掘训练过程中间参数的稀疏性，降低了前传链路的通信开销。设计协作模式下基站本地网络的增量式更新方式，有效降低了网络的更新复杂度。本发明充分利用分布式宽学习在小样本条件下挖掘多基站宽波束响应与传输窄波束响应关系的能力，可实现多基站协作毫米波MIMO系统的低开销波束选择，缓解当前方案对中央处理单元单一引擎性能及前传链路带宽的较高要求。
-
公开(公告)号：CN115664471B
公开(公告)日：2024-01-02
申请号：CN202211057673.1
申请日：2022-08-31
Applicant: 东南大学
IPC: H04B7/024 , H04B7/0452 , H04B7/0456 , H04W24/02 , H04W24/06 , H04W72/044
Abstract: 本发明提供了基于宽学习的毫米波MIMO基站协作波束选择方法，针对多点协作毫米波MIMO场景的下行波束选择问题，借鉴纵向联邦学习框架，将原集中式的多基站上行宽波束响应与最佳传输窄波束的映射问题，通过垂直切割数据特征空间，转化为分布式学习问题，并设计了具体的基站协作分布式波束选择框架。通过挖掘训练过程中间参数的稀疏性，降低了前传链路的通信开销。设计协作模式下基站本地网络的增量式更新方式，有效降低了网络的更新复杂度。本发明充分利用分布式宽学习在小样本条件下挖掘多基站宽波束响应与传输窄波束响应关系的能力，可实现多基站协作毫米波MIMO系统的低开销波束(56)对比文件Cheng Zhang，etc..Channel Beam PatternExtension for Massive MIMO via DeepGaussian Process Regression《. 2021 IEEE/CIC International Conference onCommunications in China (ICCC)》.2021,第172-177页.
-
公开(公告)号：CN114844538B
公开(公告)日：2023-05-05
申请号：CN202210474863.7
申请日：2022-04-29
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0426
Abstract: 本发明公开了一种基于宽学习的毫米波MIMO用户增量协作波束选择方法，包括：针对多点协作毫米波大规模MIMO场景的下行波束选择问题，各用户收集下行宽波束响应与传输窄波束响应，训练本地宽学习网络，并基于预测的窄波束响应进行波束选择。进一步，通过将各用户本地网络的训练问题建模为具有一致性约束的分布式优化问题，利用相邻用户间的D2D通信，可实现训练数据的有效共享。进一步，设计协作模式下用户本地网络的增量式更新方式，可有效降低网络的训练复杂度。本发明充分利用分布式宽学习在小样本条件下挖掘多基站宽波束响应与传输窄波束响应关系的能力，可实现快时变场景多点协作毫米波大规模系统的低复杂度低开销波束选择。
-
公开(公告)号：CN116633395A
公开(公告)日：2023-08-22
申请号：CN202310705796.X
申请日：2023-06-14
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/06 , H04B17/391 , G06F18/213 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种挖掘时空序列特征信息的宽度学习基站协作波束对齐方法。各基站利用本地宽度学习网络，基于分布式学习训练架构，协同学习多基站的感知波束响应到对应窄波束的映射关系，以完成最佳下行传输窄波束的预测。为了挖掘过去若干采样时刻的感知波束信息，有效预测当前时刻的窄波束，本发明使用感知波束响应的时间序列来获得宽度学习网络的特征节点，设计了循环宽度学习方法。进一步，提出门控宽度学习方法，设计一个遗忘门来控制学习到的序列信息。本发明解决了模型对快时变场景的适配问题，实现基站侧模型轻量化，可在减轻中央处理单元计算压力的同时，取得协作开销与波束选择预测性能的合理折衷，实现在小样本条件下较高性能的波束对齐。
-
公开(公告)号：CN114844538A
公开(公告)日：2022-08-02
申请号：CN202210474863.7
申请日：2022-04-29
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0426
Abstract: 本发明公开了一种基于宽学习的毫米波MIMO用户增量协作波束选择方法，包括：针对多点协作毫米波大规模MIMO场景的下行波束选择问题，各用户收集下行宽波束响应与传输窄波束响应，训练本地宽学习网络，并基于预测的窄波束响应进行波束选择。进一步，通过将各用户本地网络的训练问题建模为具有一致性约束的分布式优化问题，利用相邻用户间的D2D通信，可实现训练数据的有效共享。进一步，设计协作模式下用户本地网络的增量式更新方式，可有效降低网络的训练复杂度。本发明充分利用分布式宽学习在小样本条件下挖掘多基站宽波束响应与传输窄波束响应关系的能力，可实现快时变场景多点协作毫米波大规模系统的低复杂度低开销波束选择。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
