一种面向大规模MIMO系统的信号检测方法及系统

    公开(公告)号:CN115276729B

    公开(公告)日:2025-03-14

    申请号:CN202210864604.5

    申请日:2022-07-21

    Applicant: 南京大学

    Abstract: 本申请提供一种面向大规模MIMO系统的信号检测方法及系统,根据发送端的天线数目和接收端的天线数目,确定第一阻尼系数和第二阻尼系数;根据接收信号、信道矩阵、平均符号能量和第一阻尼系数,确定发送信号后验概率分布的初始均值;利用SORI方法对发送信号的后验概率分布的均值进行SORI迭代,根据完成SORI迭代后的均值向量,确定腔边缘概率服从的高斯分布的初始均值;采用EPA迭代方法,迭代更新腔边缘概率服从的高斯分布的均值,将达到EPA预设迭代次数的腔边缘概率服从的高斯分布的均值作为发送信号的估计值。将SORI和EPA算法相结合,利用SORI来近似EPA算法初始化部分的矩阵求逆,从而大大提高收敛速度。

    一种基于Stackelberg博弈的异构车联网多模通信方法

    公开(公告)号:CN109819422A

    公开(公告)日:2019-05-28

    申请号:CN201910288268.2

    申请日:2019-04-11

    Applicant: 南京大学

    Abstract: 本发明提出一种基于Stackelberg博弈的异构车联网多模通信方法,为实现高吞吐量和低成本的车辆通信提供了一个高效的解决方案,该方法包括步骤:基于基站(BS)和车辆用户设备(UE),建立动态的Stackelberg博弈模型;将车辆用户的自适应模式选择构造为一个跟随者进化博弈,并构建一个进化稳定策略(ESS)作为解决方案;BS对三种通信模式的价格进行动态调控,构造为一个领导者的最优控制问题,从而作为一种有效的激励机制,可以使用户分布接近ESS,即近似达到最优分布。相比于传统的车间通信模式,本发明能够最大程度地提高车辆间通信的吞吐量、降低成本,提高频谱利用效率。

    一种基于Stackelberg博弈的异构车联网多模通信方法

    公开(公告)号:CN109819422B

    公开(公告)日:2020-10-16

    申请号:CN201910288268.2

    申请日:2019-04-11

    Applicant: 南京大学

    Abstract: 本发明提出一种基于Stackelberg博弈的异构车联网多模通信方法,为实现高吞吐量和低成本的车辆通信提供了一个高效的解决方案,该方法包括步骤:基于基站(BS)和车辆用户设备(UE),建立动态的Stackelberg博弈模型;将车辆用户的自适应模式选择构造为一个跟随者进化博弈,并构建一个进化稳定策略(ESS)作为解决方案;BS对三种通信模式的价格进行动态调控,构造为一个领导者的最优控制问题,从而作为一种有效的激励机制,可以使用户分布接近ESS,即近似达到最优分布。相比于传统的车间通信模式,本发明能够最大程度地提高车辆间通信的吞吐量、降低成本,提高频谱利用效率。

    面向关联信道的mMIMO检测预处理和参数预训练方法

    公开(公告)号:CN117118486A

    公开(公告)日:2023-11-24

    申请号:CN202311150678.3

    申请日:2023-09-07

    Applicant: 南京大学

    Abstract: 本发明提供了面向关联信道的mMIMO检测预处理和参数预训练方法,所述预处理方法包括:步骤a1,对大规模MIMO系统上行链路进行建模;步骤a2,计算得到格拉姆Gram矩阵W;步骤a3,根据格拉姆Gram矩阵W获取预处理矩阵P;步骤a4,利用预处理矩阵P对格拉姆Gram矩阵W进行预处理,获得新的格拉姆Gram矩阵W1:W1=PW;步骤a5,将矩阵W1采用迭代代替矩阵求逆算法处理。该方法可以应用于多种迭代代替矩阵求逆的算法,从而加速这些算法的收敛,使其在关联信道下检测性能提升2dB以上。

    一种面向大规模MIMO系统的信号检测方法及系统

    公开(公告)号:CN115276729A

    公开(公告)日:2022-11-01

    申请号:CN202210864604.5

    申请日:2022-07-21

    Applicant: 南京大学

    Abstract: 本申请提供一种面向大规模MIMO系统的信号检测方法及系统,根据发送端的天线数目和接收端的天线数目,确定第一阻尼系数和第二阻尼系数;根据接收信号、信道矩阵、平均符号能量和第一阻尼系数,确定发送信号后验概率分布的初始均值;利用SORI方法对发送信号的后验概率分布的均值进行SORI迭代,根据完成SORI迭代后的均值向量,确定腔边缘概率服从的高斯分布的初始均值;采用EPA迭代方法,迭代更新腔边缘概率服从的高斯分布的均值,将达到EPA预设迭代次数的腔边缘概率服从的高斯分布的均值作为发送信号的估计值。将SORI和EPA算法相结合,利用SORI来近似EPA算法初始化部分的矩阵求逆,从而大大提高收敛速度。

Patent Agency Ranking