公开(公告)号：CN116886471A

公开(公告)日：2023-10-13

申请号：CN202310985099.4

申请日：2023-08-07

Applicant: 南京邮电大学

Inventor： 侯晓赟 ,  王庆尧 ,  邱海波 ,  王一晁 ,  曾至昊

IPC: H04L25/02

Abstract: 本发明公开了本发明涉及OTFS系统信道估计方法、装置、存储介质及设备，属于无线通信技术领域，方法包括获取发送导频信号、接收导频信号和噪声方差；对发送导频信号和接收导频信号进行预处理，得到发送导频数据和接收导频数据；将发送导频数据、接收导频数据和噪声方差输入到训练好的信道稀疏度估计模型中，得到信道稀疏度估计值，信道稀疏度估计模型是深度神经网络；基于信道稀疏度估计值，采用OMP算法对信道进行重构，得到信道估计值；本发明通过深度神经网络估计信道稀疏度，克服了传统OMP算法中的选择性偏差问题，通过将离线训练和数据驱动相结合，提高信道估计的准确性，而且这种方法还能减少导频信号的开销。

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

Inventor： 侯晓赟 ,  邱海波 ,  许逸群 ,  曹嘉伟

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

Inventor： 侯晓赟 ,  许逸群 ,  邱海波 ,  曹嘉伟

IPC: H04L27/26 ,  H04L27/36

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

Inventor： 侯晓赟 ,  邱海波 ,  许逸群 ,  曹嘉伟

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。