-
公开(公告)号：CN109067688B
公开(公告)日：2021-09-07
申请号：CN201810743534.1
申请日：2018-07-09
Applicant: 东南大学
Abstract: 本发明公开了一种数据模型双驱动的OFDM接收方法，包括：分别对接收机内信道估计和信号检测模块中的深度神经网络进行训练；对于信道估计模块，输入接收的频域导频和本地频域导频，采用最小二乘估计方法估计获得最小二乘信道估计结果，取实部和虚部取出串联输入深度神经网络进行改进并输出信道估计结果；对于信号检测模块，输入接收的频域导频和信道估计模块得到的信道估计结果，采用迫零均衡方法获得迫零均衡结果，及输入深度神经网络进行改进并得到输出；对所得深度神经网络输出与设定门限做硬判决并获取判决结果，及由判决结果得到发送比特流的估计。本发明通过神经网络进行优化和改进，网络训练的时间消耗少，检测性能高、可快速获得信道信息。
-
公开(公告)号：CN109617847A
公开(公告)日：2019-04-12
申请号：CN201811417172.3
申请日：2018-11-26
Applicant: 东南大学
IPC: H04L27/26
Abstract: 本发明公开了一种基于模型驱动深度学习的无循环前缀OFDM接收方法，包括：(1)将接收信号y中的导频信号yp进行变换得到频域导频信号，并与本地频域导频信号进行最小二乘估计初始化，得到最小二乘信道估计结果，再输入至全连接的第一深度神经网络进行改进，将改进结果进行傅里叶反变换得到时域信道估计信号(2)将接收信号y消除符号间干扰后转换为实数域接收信号(3)将实数域接收信号作为输入，根据时域信道估计信号 采用第二深度神经网络进行迭代求解，得到最终估计的调制信号(4)将调制信号解调后获得发送信息比特 本发明时间消耗少，检测性能高。
-
公开(公告)号：CN109067688A
公开(公告)日：2018-12-21
申请号：CN201810743534.1
申请日：2018-07-09
Applicant: 东南大学
CPC classification number: H04L27/2695 , H04L25/025 , H04L25/0254 , H04L27/2692
Abstract: 本发明公开了一种数据模型双驱动的OFDM接收方法，包括：分别对接收机内信道估计和信号检测模块中的深度神经网络进行训练；对于信道估计模块，输入接收的频域导频和本地频域导频，采用最小二乘估计方法估计获得最小二乘信道估计结果，取实部和虚部取出串联输入深度神经网络进行改进并输出信道估计结果；对于信号检测模块，输入接收的频域导频和信道估计模块得到的信道估计结果，采用迫零均衡方法获得迫零均衡结果，及输入深度神经网络进行改进并得到输出；对所得深度神经网络输出与设定门限做硬判决并获取判决结果，及由判决结果得到发送比特流的估计。本发明通过神经网络进行优化和改进，网络训练的时间消耗少，检测性能高、可快速获得信道信息。
-
公开(公告)号：CN109246038B
公开(公告)日：2021-04-20
申请号：CN201811049894.8
申请日：2018-09-10
Applicant: 东南大学
Abstract: 本发明公开了一种数据模型双驱动的GFDM接收机及方法，方法包括分别得到信道估计和信号检测神经网络；将包含发射导频信息的矩阵和接收的时域导频向量实数化后的结果作为信道估计神经网络的输入，并输出频域信道状态信息的估计；得到等效信道矩阵，并将其和接收的时域信号向量实数化后的结果作为信号检测神经网络的输入并输出为一个GFDM符号的估计；建立解映射神经网络，将信号检测神经网络所输出一个GFDM符号的估计作为输入，输出就作为原始比特信息的估计；将解映射网络的输出与设定门限的大小进行判决，根据判决结果输出原始比特信息的检测结果。本发明具有训练参数不随数据维度变化、训练速度快并且对不同信道环境适应能力强的优点。
-
Patent Agency Ranking
公开(公告)号：CN109246038A
公开(公告)日：2019-01-18
申请号：CN201811049894.8
申请日：2018-09-10
Applicant: 东南大学
Abstract: 本发明公开了一种数据模型双驱动的GFDM接收机及方法，方法包括分别得到信道估计和信号检测神经网络；将包含发射导频信息的矩阵和接收的时域导频向量实数化后的结果作为信道估计神经网络的输入，并输出频域信道状态信息的估计；得到等效信道矩阵，并将其和接收的时域信号向量实数化后的结果作为信号检测神经网络的输入并输出为一个GFDM符号的估计；建立解映射神经网络，将信号检测神经网络所输出一个GFDM符号的估计作为输入，输出就作为原始比特信息的估计；将解映射网络的输出与设定门限的大小进行判决，根据判决结果输出原始比特信息的检测结果。本发明具有训练参数不随数据维度变化、训练速度快并且对不同信道环境适应能力强的优点。
-
公开(公告)号：CN109617847B
公开(公告)日：2021-04-06
申请号：CN201811417172.3
申请日：2018-11-26
Applicant: 东南大学
IPC: H04L27/26
Abstract: 本发明公开了一种基于模型驱动深度学习的无循环前缀OFDM接收方法，包括：(1)将接收信号y中的导频信号yp进行变换得到频域导频信号，并与本地频域导频信号进行最小二乘估计初始化，得到最小二乘信道估计结果，再输入至全连接的第一深度神经网络进行改进，将改进结果进行傅里叶反变换得到时域信道估计信号(2)将接收信号y消除符号间干扰后转换为实数域接收信号(3)将实数域接收信号作为输入，根据时域信道估计信号采用第二深度神经网络进行迭代求解，得到最终估计的调制信号(4)将调制信号解调后获得发送信息比特本发明时间消耗少，检测性能高。
-
公开(公告)号：CN107919895B
公开(公告)日：2020-05-01
申请号：CN201711136688.6
申请日：2017-11-16
Applicant: 东南大学
IPC: H04B7/0452 , H04B7/08 , H04L25/02
Abstract: 本发明公开了一种大规模多用户MIMO系统的分布式检测方法。将接收信号划分成多个组，对每个组的接收信号分别用基于EP算法的MIMO信号检测模块进行分布式信号检测，然后针对三种EP MIMO检测器采用不同的处理过程，得到最终的检测结果。本发明通过分布式设计大大降低了EP算法在大规模多用户MIMO系统信号检测应用时的复杂度，给出的三种基于EP算法的分布式MIMO检测器在大规模多用户MIMO系统中性能极佳，且就复杂度而言可以实现。
-
公开(公告)号：CN106603131A
公开(公告)日：2017-04-26
申请号：CN201710062976.5
申请日：2017-01-31
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/08 , H04L27/26
CPC classification number: H04B7/0413 , H04B7/08 , H04L27/2656
Abstract: 本发明公开了一种用于MIMO系统的帧同步方法，采用了低通滤波器的设计，滤除了MIMO无线帧数据部分对同步过程的干扰，提高了同步的稳定性，同时降采样的加入，大大降低了后续互相关算法的复杂度，另外加入了同步位置的有效性判定，加强了系统的可靠性。本MIMO系统帧同步方法，适用于采用同步序列进行帧同步的系统帧结构，大大提高同步效率。
-
公开(公告)号：CN107919895A
公开(公告)日：2018-04-17
申请号：CN201711136688.6
申请日：2017-11-16
Applicant: 东南大学
IPC: H04B7/0452 , H04B7/08 , H04L25/02
Abstract: 本发明公开了一种大规模多用户MIMO系统的分布式检测方法。将接收信号划分成多个组，对每个组的接收信号分别用基于EP算法的MIMO信号检测模块进行分布式信号检测，然后针对三种EP MIMO检测器采用不同的处理过程，得到最终的检测结果。本发明通过分布式设计大大降低了EP算法在大规模多用户MIMO系统信号检测应用时的复杂度，给出的三种基于EP算法的分布式MIMO检测器在大规模多用户MIMO系统中性能极佳，且就复杂度而言可以实现。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
