公开(公告)号：CN117749575A

公开(公告)日：2024-03-22

申请号：CN202311701253.7

申请日：2023-12-12

Applicant: 东南大学 ,  网络通信与安全紫金山实验室

Inventor： 王承祥 ,  季姜晗 ,  常恒泰 ,  黄杰

IPC: H04L25/02 ,  H04B7/0413

Abstract: 本发明公开了一种基于人工智能的波束域信道估计方法，包括：1)使用压缩采样匹配追踪CoSaMP算法初步剔除一部分无效信道元素，得到低维测量矩阵；2)基于稀疏贝叶斯学习方法，利用波束域信道块稀疏特性，将相邻位置的信道元素组合为一组统一处理，使用期望最大化算法实现信道参数的迭代更新；3)在每次迭代约束信道块超参数，防止过拟合产生；4)根据信道期望是否趋于稳定判断估计结果是否收敛；5)使用最终的信道期望近似信道估计结果。本发明能够充分利用波束域信道潜在的结构化稀疏特性，在大幅提高估计性能的同时，保持了合理的计算复杂度与导频开销，解决大规模多输入多输出MIMO波束域信道估计问题。

公开(公告)号：CN114978254B

公开(公告)日：2024-01-19

申请号：CN202210519716.7

申请日：2022-05-12

Applicant: 东南大学

Inventor： 王闻今 ,  文简 ,  季姜晗 ,  杨辰泓 ,  王亚飞

IPC: H04B7/0413 ,  H04B7/0456 ,  H04L27/26 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于OFDM系统的机器学习辅助低复杂度鲁棒预编码算法，为避免鲁棒预编码方法中的大量矩阵求逆运算和迭代运算，降低计算复杂度，搭建卷积神经网络以代替迭代运算。将信道状态信息作为输入，训练网络，从而拟合由信道状态信息到鲁棒预编码算法中关键参数拉格朗日乘子的非线性过程。通过拉格朗日乘子即可较为简单的获得最优预编码矩阵。与此同时，为了降低导频开销以及算法复杂度，仅选取上行探测时隙频谱范围内的部分子载波插入导频。同时，将本探测周期之前的三个探测周期所测量的信道状态信息同时输入神经网络中，使神经网络可以综合处理并对目前全频谱范围内子载波的预编码关键因子拉格朗日乘子实现预测和插值。

公开(公告)号：CN114900214B

公开(公告)日：2024-01-26

申请号：CN202210488206.8

申请日：2022-05-06

Applicant: 东南大学

Inventor： 王闻今 ,  杨辰泓 ,  文简 ,  季姜晗 ,  王亚飞 ,  刘彦浩

IPC: H04B7/0456 ,  H04L25/02 ,  H04L27/26

Abstract: 本发明公开了一种基于OFDM系统的线性预编码方法，采用OFDM系统对信道进行正交频分复用，将信道转换为若干窄带子信道，考虑到各个子信道在预编码矩阵求解过程中的拉格朗日算子等参数在时间与频率方向上均为慢变，仅选取部分时间与频率方向上的子载波插入导频，分别获取必要的参数。运用获取到的已知频率点的参数，通过插值算法估计其余频率的信道参数，从而直接推算出所有的预编码矩阵。线性预编码算法采用插值法对未知子载波的信道参数进行估计，降低了算法的复杂度，提高了运算效率及实用性。线性预编码算法采用的OFDM技术在对抗频率选择性衰落或窄带干扰有巨大优势。

公开(公告)号：CN114900214A

公开(公告)日：2022-08-12

申请号：CN202210488206.8

申请日：2022-05-06

Applicant: 东南大学

Inventor： 王闻今 ,  杨辰泓 ,  文简 ,  季姜晗 ,  王亚飞 ,  刘彦浩

IPC: H04B7/0456 ,  H04L25/02 ,  H04L27/26

Abstract: 本发明公开了一种基于OFDM系统的线性预编码方法，采用OFDM系统对信道进行正交频分复用，将信道转换为若干窄带子信道，考虑到各个子信道在预编码矩阵求解过程中的拉格朗日算子等参数在时间与频率方向上均为慢变，仅选取部分时间与频率方向上的子载波插入导频，分别获取必要的参数。运用获取到的已知频率点的参数，通过插值算法估计其余频率的信道参数，从而直接推算出所有的预编码矩阵。线性预编码算法采用插值法对未知子载波的信道参数进行估计，降低了算法的复杂度，提高了运算效率及实用性。线性预编码算法采用的OFDM技术在对抗频率选择性衰落或窄带干扰有巨大优势。

公开(公告)号：CN114978254A

公开(公告)日：2022-08-30

申请号：CN202210519716.7

申请日：2022-05-12

Applicant: 东南大学

Inventor： 王闻今 ,  文简 ,  季姜晗 ,  杨辰泓 ,  王亚飞

IPC: H04B7/0413 ,  H04B7/0456 ,  H04L27/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于OFDM系统的机器学习辅助低复杂度鲁棒预编码算法，为避免鲁棒预编码方法中的大量矩阵求逆运算和迭代运算，降低计算复杂度，搭建卷积神经网络以代替迭代运算。将信道状态信息作为输入，训练网络，从而拟合由信道状态信息到鲁棒预编码算法中关键参数拉格朗日乘子的非线性过程。通过拉格朗日乘子即可较为简单的获得最优预编码矩阵。与此同时，为了降低导频开销以及算法复杂度，仅选取上行探测时隙频谱范围内的部分子载波插入导频。同时，将本探测周期之前的三个探测周期所测量的信道状态信息同时输入神经网络中，使神经网络可以综合处理并对目前全频谱范围内子载波的预编码关键因子拉格朗日乘子实现预测和插值。