公开(公告)号：CN115150227B

公开(公告)日：2023-10-13

申请号：CN202110342120.X

申请日：2021-03-30

Applicant: 复旦大学

Inventor： 卢秋锦 ,  林田 ,  朱宇

IPC: H04L25/02 ,  H04B7/0456 ,  H04B7/06 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种点对点多天线通信系统中的角度估计方法，包括以下步骤：步骤1，选择分层码本估计算法，通过分层码本估计算法扫描码本，并保存扫描过程中使用的发送端预编码矢量、接收端合并矢量、信噪比、发送数字信号以及接收数字信号作为原始数据；步骤2，对原始数据进行预处理后作为输入数据；步骤3，根据预定的输入维度与输出维度，以及中间结构、损失函数以及防止梯度消失使用的策略构建出对应的神经网络；步骤4，通过数据集对神经网络进行训练，以估计角度和真实角度的均方误差最小化为目标优化神经网络，训练后得到最优神经网络模型；步骤5，将输入数据输入最优神经网络模型，得到输出的估计角度。

公开(公告)号：CN115150227A

公开(公告)日：2022-10-04

申请号：CN202110342120.X

申请日：2021-03-30

Applicant: 复旦大学

Inventor： 卢秋锦 ,  林田 ,  朱宇

IPC: H04L25/02 ,  H04B7/0456 ,  H04B7/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种点对点多天线通信系统中的角度估计方法，包括以下步骤：步骤1，选择分层码本估计算法，通过分层码本估计算法扫描码本，并保存扫描过程中使用的发送端预编码矢量、接收端合并矢量、信噪比、发送数字信号以及接收数字信号作为原始数据；步骤2，对原始数据进行预处理后作为输入数据；步骤3，根据预定的输入维度与输出维度，以及中间结构、损失函数以及防止梯度消失使用的策略构建出对应的神经网络；步骤4，通过数据集对神经网络进行训练，以估计角度和真实角度的均方误差最小化为目标优化神经网络，训练后得到最优神经网络模型；步骤5，将输入数据输入最优神经网络模型，得到输出的估计角度。