公开(公告)号：CN115801500B

公开(公告)日：2024-06-18

申请号：CN202211236465.8

申请日：2022-10-10

Applicant: 哈尔滨工程大学

Inventor： 禹永植 ,  应杰 ,  张诗琦 ,  赵忠凯 ,  郭立民

IPC: H04L25/02 ,  H04B7/0413

Abstract: 本发明公开了一种高阶大规模MIMO信号检测方法，首先，初始化大规模MIMO系统的相关参数，并给出初始解；其次，利用外推技术加速多用户干扰消除算法；再次，引入数据驱动的深度学习方法，将加速的多用户干扰消除算法进行展开，构建AMIC‑Net(Accelerated Multiuser Interference CancellationNetwork)神经网络模型；然后，设计一个新的阶梯型激活函数SoftSum(·)；最后，对构建的AMIC‑Net神经网络模型进行训练并用于高阶大规模MIMO信号检测。本发明提出的方法能够有效满足高阶大规模MIMO对检测精度和速度的要求，能够大幅度提高传统多用户干扰消除算法的检测性能及收敛速度，并且适用于高阶调制的通信场景。

公开(公告)号：CN114584236B

公开(公告)日：2023-12-15

申请号：CN202210170656.2

申请日：2022-02-24

Applicant: 哈尔滨工程大学

Inventor： 禹永植 ,  张晓兰 ,  应杰 ,  郭立民 ,  赵忠凯

IPC: H04B17/391 ,  H04W24/06 ,  H04B7/0413 ,  G06N3/04 ,  G06N3/084

Abstract: 本发明提供一种基于RIGS算法的大规模MIMO系统检测模型构建方法，其步骤包括：S1：采用交替迭代的方式将Richardson(RI)算法和Gauss‑Seidel(GS)算法相结合，得到RIGS迭代算法；S2：引入模型驱动的深度学习方法，将RIGS算法进行展开，并加入可训练向量，构造RGNet(RI and GS Network)检测网络；S3：对构建的网络进行训练，得到训练后的检测模型。本发明设计的RGNet检测模型可以显著降低空间相关性对检测精度的影响，并且能够快速收敛到精确解。

公开(公告)号：CN115801500A

公开(公告)日：2023-03-14

申请号：CN202211236465.8

申请日：2022-10-10

Applicant: 哈尔滨工程大学

Inventor： 禹永植 ,  应杰 ,  张诗琦 ,  赵忠凯 ,  郭立民

IPC: H04L25/02 ,  H04B7/0413

Abstract: 本发明公开了一种高阶大规模MIMO信号检测方法，首先，初始化大规模MIMO系统的相关参数，并给出初始解；其次，利用外推技术加速多用户干扰消除算法；再次，引入数据驱动的深度学习方法，将加速的多用户干扰消除算法进行展开，构建AMIC‑Net(Accelerated Multiuser Interference CancellationNetwork)神经网络模型；然后，设计一个新的阶梯型激活函数SoftSum(·)；最后，对构建的AMIC‑Net神经网络模型进行训练并用于高阶大规模MIMO信号检测。本发明提出的方法能够有效满足高阶大规模MIMO对检测精度和速度的要求，能够大幅度提高传统多用户干扰消除算法的检测性能及收敛速度，并且适用于高阶调制的通信场景。

公开(公告)号：CN114584236A

公开(公告)日：2022-06-03

申请号：CN202210170656.2

申请日：2022-02-24

Applicant: 哈尔滨工程大学

Inventor： 禹永植 ,  张晓兰 ,  应杰 ,  郭立民 ,  赵忠凯

IPC: H04B17/391 ,  H04W24/06 ,  H04B7/0413 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于RIGS算法的大规模MIMO系统检测模型构建方法，其步骤包括：S1：采用交替迭代的方式将Richardson(RI)算法和Gauss‑Seidel(GS)算法相结合，得到RIGS迭代算法；S2：引入模型驱动的深度学习方法，将RIGS算法进行展开，并加入可训练向量，构造RGNet(RI and GS Network)检测网络；S3：对构建的网络进行训练，得到训练后的检测模型。本发明设计的RGNet检测模型可以显著降低空间相关性对检测精度的影响，并且能够快速收敛到精确解。