公开(公告)号：CN110582058A

公开(公告)日：2019-12-17

申请号：CN201910782741.2

申请日：2019-08-23

Applicant: 南京理工大学

Inventor： 桂林卿 ,  周阳 ,  肖甫 ,  吴博凡 ,  束锋

IPC: H04W4/029 ,  H04W4/33 ,  H04B17/336 ,  H04B17/391 ,  G01S5/02 ,  G01S5/14

Abstract: 本发明提供一种基于负幂次求和测距模型的无线定位方法，包括：在定位准备阶段，针对每个锚节点，待定位节点在N个已知的参考位置处向锚节点发送ping命令，根据返回的信号计算出信道状态信息（CSI）的幅度值，并测量待定位节点到锚节点的距离。根据N个幅度值和对应的距离值，待定位节点可拟合出一个负幂次求和形式的测距模型。用上述同样的方法，可以获得其他锚节点的测距模型，至此，定位准备阶段结束。在正式定位阶段，当待定位节点移动到某个位置时，待定位节点首先向每个锚节点发送ping命令，根据返回的信号计算出CSI幅度和测距模型可计算出待定位节点与每个锚节点之间的距离。根据多边定位方法，可计算出待定位节点所在的位置。

公开(公告)号：CN113612587A

公开(公告)日：2021-11-05

申请号：CN202010471591.6

申请日：2020-05-29

Applicant: 南京理工大学

Inventor： 束锋 ,  刘林 ,  吴博凡 ,  夏桂阳 ,  邹骏 ,  朱玲玲 ,  李嘉钰 ,  王云天

IPC: H04L1/06 ,  H04L27/34 ,  H04B7/08 ,  H04L1/00

Abstract: 本发明提供了一种基于深度学习的空间调制接收端译码方法，包括：构造深度神经译码网络，并初始化训练参数；在空间调制系统发射机发送训练序列，接收机接受信号，由此产生大量训练数据，同时发射机随机发射信号，以此生成验证数据集；利用训练数据集对构建的神经网络模型进行训练，得到训练好的神经网络，然后用验证集验证网络评估神经网络，若不符合要求，改变参数继续训练直至神经网络收敛；将训练好的升级网络部署在空间调制的接收端，对接受信号y进行译码，得到发射符号的估计。

公开(公告)号：CN110213816A

公开(公告)日：2019-09-06

申请号：CN201910439101.1

申请日：2019-05-24

Applicant: 南京理工大学

Inventor： 束锋 ,  刘笑语 ,  吴博凡 ,  李嘉钰 ,  刘婷婷 ,  夏桂阳 ,  徐婷珍 ,  桂林卿

IPC: H04W52/24 ,  H04B7/0413 ,  H04B17/382

Abstract: 本发明提供了一种基于安全空间调制的低复杂度高性能功率分配方法。针对提高空间调制的安全性方面的问题，在发射信号中引入了人工噪声，由此产生了发射有用信号和人工噪声的功率分配的问题，为求解出可以提供更好的安全性的功率分配因子，可以利用梯度下降算法等方法。本发明利用了信干噪比（SINR）的概念，提出了一种最大化信号干扰噪声比和人工噪声干扰噪声比的乘积（Max-P-SINR-ANSNR）的方法，为功率分配因子提供了一个极低复杂度的解析解，使得空间调制有很好的安全性能，能够获得接近最优的安全速率。