基于一比特量化空间Sigma-Delta结构的大规模MIMO系统EVM评估方法

    公开(公告)号:CN118316487A

    公开(公告)日:2024-07-09

    申请号:CN202410549232.6

    申请日:2024-05-06

    Inventor: 王梦 胡安中

    Abstract: 本发明公开了一种基于一比特量化空间Sigma‑Delta结构的大规模MIMO系统EVM评估方法:步骤1、构造输出信号#imgabs0#的自相关矩阵#imgabs1#m表示时域上的抽样点间隔;对m∈{0,1,…,N‑1},计算#imgabs2#计算式为:#imgabs3#步骤2、根据#imgabs4#计算量化噪声自相关矩阵#imgabs5#和输入信号#imgabs6#的自相关矩阵#imgabs7#对于m∈{1,2,…N‑1},设置#imgabs8#为0矩阵;步骤3、计算矩阵#imgabs9#和Ck;步骤4、计算系统EVM的评估值#imgabs10#其中,tr()表示求矩阵的迹。采用本发明方法得到的EVM评估值和通过软件试验得到的系统EVM评估值比较接近,具有较好的可实现性。

    基于堆栈DSAE网络的改进MPPSK信号解调系统

    公开(公告)号:CN115086127B

    公开(公告)日:2023-04-28

    申请号:CN202210586627.4

    申请日:2022-05-26

    Abstract: 本发明属于信息解调技术领域,具体涉及基于堆栈DSAE网络的改进MPPSK信号解调系统。包括:信号源,用于发送改进MPPSK调制信号;冲击滤波器,用于对改进MPPSK调制信号的相位跳变点进行幅度冲击;相干处理器,用于对冲击滤波后的改进MPPSK调制信号乘以相干载波;低通滤波器,用于输出相干处理后改进MPPSK调制信号的包络;堆栈DSAE网络,用于接收低通滤波后的改进MPPSK调制信号的特征信息,并在线测试提取特征信息。本发明具有结合SAE与DAE学习网络,得出堆栈稀疏自编码算法学习网络,并将机器学习算法引入高效调制信号检测中,通过学习接收的特征信息,进而提升高效调制信号的解调性能的特点。

    基于堆栈DSAE网络的改进MPPSK信号解调系统

    公开(公告)号:CN115086127A

    公开(公告)日:2022-09-20

    申请号:CN202210586627.4

    申请日:2022-05-26

    Abstract: 本发明属于信息解调技术领域,具体涉及基于堆栈DSAE网络的改进MPPSK信号解调系统。包括:信号源,用于发送改进MPPSK调制信号;冲击滤波器,用于对改进MPPSK调制信号的相位跳变点进行幅度冲击;相干处理器,用于对冲击滤波后的改进MPPSK调制信号乘以相干载波;低通滤波器,用于输出相干处理后改进MPPSK调制信号的包络;堆栈DSAE网络,用于接收低通滤波后的改进MPPSK调制信号的特征信息,并在线测试提取特征信息。本发明具有结合SAE与DAE学习网络,得出堆栈稀疏自编码算法学习网络,并将机器学习算法引入高效调制信号检测中,通过学习接收的特征信息,进而提升高效调制信号的解调性能的特点。

Patent Agency Ranking