-
公开(公告)号:CN119232530B
公开(公告)日:2025-02-25
申请号:CN202411745435.9
申请日:2024-12-02
Applicant: 南京邮电大学
IPC: H04L25/02 , H04L27/26 , H04B17/391 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于SwinTrans‑CNN模型的OTFS信道估计方法,属于信道估计技术领域;包括为:根据具体信道场景确定信道基本参数,设计TDL信道模型;利用嵌入式导频方法设计发送端的时延—多普勒域信号;对发送得到的时延—多普勒域信号进行二维循环卷积和高斯白噪声处理;构建SwinTrans‑CNN去噪模型;利用训练好的SwinTrans‑CNN去噪模型,进行信道状态估计。本发明通过采用嵌入式导频方案和SwinTrans‑CNN模型结合的方法,将发送端预设导频和保卫符号,接收端把信道估计的问题转化为时延—多普勒域二维图像的去噪问题,解决低信噪比场景下误码率过高问题,提高信道估计的精准度。
-
公开(公告)号:CN119232539A
公开(公告)日:2024-12-31
申请号:CN202411714907.4
申请日:2024-11-27
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于粒子群算法训练的APSO‑VAMP检测方法和系统,该方法通过随机生成用户比特流,产生时延多普勒域的输入信号;转换为发送端的时频域信号;转换为发送端的时域信号;通过无线信道发送给接收端;由接收端的时域信号转为接收端的时频域信号;转换为接收端的时延多普勒域信号;采用自适应粒子群‑矢量化消息传递算法APSO‑VAMP迭代检测,以设定位置的误码率作为适应度函数,每一次迭代时矢量化消息传递算法的阻尼因子为训练参数,通过自适应粒子群算法训练得到最优阻尼因子参数;输入VAMP算法进行检测;本发明通过APSO算法训练出的参数,对比固定参数,能够减低误码率,检测性能有明显提升。
-
公开(公告)号:CN119232530A
公开(公告)日:2024-12-31
申请号:CN202411745435.9
申请日:2024-12-02
Applicant: 南京邮电大学
IPC: H04L25/02 , H04L27/26 , H04B17/391 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于SwinTrans‑CNN模型的OTFS信道估计方法,属于信道估计技术领域;包括为:根据具体信道场景确定信道基本参数,设计TDL信道模型;利用嵌入式导频方法设计发送端的时延—多普勒域信号;对发送得到的时延—多普勒域信号进行二维循环卷积和高斯白噪声处理;构建SwinTrans‑CNN去噪模型;利用训练好的SwinTrans‑CNN去噪模型,进行信道状态估计。本发明通过采用嵌入式导频方案和SwinTrans‑CNN模型结合的方法,将发送端预设导频和保卫符号,接收端把信道估计的问题转化为时延—多普勒域二维图像的去噪问题,解决低信噪比场景下误码率过高问题,提高信道估计的精准度。
-
-