公开(公告)号：CN115987339A

公开(公告)日：2023-04-18

申请号：CN202211430687.3

申请日：2022-11-15

Applicant: 北京邮电大学

Inventor： 赵龙 ,  沈鸿瑞 ,  陈欣放

IPC: H04B7/0417 ,  H04B7/06 ,  H04L1/00 ,  H04L25/02

Abstract: 本发明提出一种基于深度学习的编码器解码器解耦CSI反馈方法，包括以下步骤1.基于特征向量的CSI数据集生成；步骤2.在基站端训练编码器解码器；步骤3.在基站终端训练编码器。本发明所述基于深度学习的编码器解码器解耦CSI反馈方法的优越效果在于：使得CSI反馈能够适应大规模MIMO系统，在保证CSI恢复准确性的同时，减小反馈开销，考虑到厂家对模型算法的保护，使得不同厂家之间的模型编码器与解码器能够解耦来搭配使用，在保证CSI恢复性能的同时，使得终端和基站端的模型配置更加灵活。

公开(公告)号：CN115988633B

公开(公告)日：2025-04-18

申请号：CN202211431085.X

申请日：2022-11-15

Applicant: 北京邮电大学

Inventor： 赵龙 ,  陈欣放 ,  于方怡

IPC: H04W64/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种NLOS环境下的两阶段高精度定位方法。包括以下步骤：步骤1，在长度为L,宽度为W的NLOS场景中，基站均匀分布在距离为D的方阵上，步骤2，CIR数据获取；步骤3，TOA预测；步骤4，TOA定位，步骤5，设定样本量为表示为Nsp，(xi,yi)和#imgabs0#分布表示实际位置和预测位置坐标，本发明所述方法通过基站和用户之间的信道信息得到CIR数据并通过TOA预测网络建立起CIR信息与TOA之间的映射关系从而准确地预测出基站到达用户的时间TOA，通过深度学习的方法将TOA与用户位置建立非线性映射关系，从而确保能够准确预测出用户位置；提出的深度学习方法通过学习大量的信道信息，在CIR与TOA以及用户位置之间建立映射函数，极大地提高了在NLOS环境下的定位精度并节约了设备成本。

公开(公告)号：CN115988633A

公开(公告)日：2023-04-18

申请号：CN202211431085.X

申请日：2022-11-15

Applicant: 北京邮电大学

Inventor： 赵龙 ,  陈欣放 ,  于方怡

IPC: H04W64/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种NLOS环境下的两阶段高精度定位方法。包括以下步骤：步骤1，在长度为L,宽度为W的NLOS场景中，基站均匀分布在距离为D的方阵上，步骤2，CIR数据获取；步骤3，TOA预测；步骤4，TOA定位，步骤5，设定样本量为表示为Nsp，(xi,yi)和分布表示实际位置和预测位置坐标，本发明所述方法通过基站和用户之间的信道信息得到CIR数据并通过TOA预测网络建立起CIR信息与TOA之间的映射关系从而准确地预测出基站到达用户的时间TOA，通过深度学习的方法将TOA与用户位置建立非线性映射关系，从而确保能够准确预测出用户位置；提出的深度学习方法通过学习大量的信道信息，在CIR与TOA以及用户位置之间建立映射函数，极大地提高了在NLOS环境下的定位精度并节约了设备成本。