公开(公告)号：CN114465642A

公开(公告)日：2022-05-10

申请号：CN202210056629.2

申请日：2022-01-18

Applicant: 清华大学

Inventor： 戴凌龙 ,  魏秀红 ,  崔铭尧 ,  陆宇 ,  吴梓栋

IPC: H04B7/0413 ,  H04L25/02

Abstract: 本发明提供一种信道估计方法、装置、电子设备及存储介质，所述方法应用于MIMO基站，包括：创建混合场信道模型，其中，混合场信道模型包括远场路径分量子模型和近场路径分量子模型；基于远场路径分量子模型对MIMO基站的信道进行划分，得到远场路径分量，基于近场路径分量子模型对MIMO基站的信道进行划分，得到近场路径分量；基于远场路径分量在角度域的稀疏性，根据压缩感知算法对远场路径分量进行估计，得到第一估计结果，基于近场路径分量在极化域的稀疏性，根据压缩感知算法对近场路径分量进行估计，得到第二估计结果；基于第一估计结果和第二估计结果，得到关于MIMO基站的信道估计结果。通过本发明实现对MIMO混合场通信环境的低开销且精准性信道估计。

公开(公告)号：CN110278570B

公开(公告)日：2021-07-13

申请号：CN201910364840.9

申请日：2019-04-30

Applicant: 清华大学

Inventor： 戴凌龙 ,  吴梓栋 ,  万钟志超 ,  崔铭尧 ,  毕双凯声

IPC: H04W16/22 ,  H04W24/06 ,  H04L27/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供一种基于人工智能的无线通信系统。本发明实施例将原有通信系统所包括的多个功能模块划分为可学习模块组和不可学习模块组；其中，可学习模块组包括可学习的功能模块，不可学习模块组包括不可学习的功能模块；针对可学习模块组中包括的各可学习的功能模块，进行人工智能算法拟合的选择，根据需要以实际或仿真形式完成训练数据的获取，以获得训练好的拟合预测模型；将训练好的拟合预测模型进行结构与数据转换，与不可学习模块组包括的不可学习的功能模块一起组成新的无线通信系统。本发明实施例在实际无线通信系统的基础上以人工智能算法替代了传统基带信号处理算法，打破了长期以来通信系统的设计框架。

公开(公告)号：CN116865805A

公开(公告)日：2023-10-10

申请号：CN202310790969.2

申请日：2023-06-29

Applicant: 清华大学

Inventor： 戴凌龙 ,  朱结奥 ,  苏若尘 ,  吴梓栋

IPC: H04B7/06 ,  H04B7/08 ,  H04B7/0456 ,  H04W16/28

Abstract: 本发明提供一种高频低成本架构和非规则陈列设计方法及系统，包括：获取实际天线数，设置角度间隔，将方位角和俯仰角离散化；针对考察空间区域的各离散角度实现预编码，得到每个角度对应的辐射方向图，获取各离散角度对应的主瓣增益、旁瓣抑制比，在考察区域取期望；输入变量为非规则阵列的拓扑结构，将期望值作为非规则阵列结构的评价指标，利用禁忌搜索法得到阵列拓扑结构；在非规则阵列拓扑选型确定后，确定非规则阵阵列波束，实现天线阵列具有低成本波束赋形能力。本发明解决了现有稀疏天线阵列的非规则设计和波束赋形难度大、成本高的问题。

公开(公告)号：CN117650818A

公开(公告)日：2024-03-05

申请号：CN202311395093.8

申请日：2023-10-25

Applicant: 清华大学

Inventor： 戴凌龙 ,  苏晓凤 ,  吴梓栋 ,  陈宇豪

IPC: H04B7/0456 ,  H04B7/0426 ,  H04B17/391

Abstract: 本发明公开了基于最大化加权和速率的非线性混合预编码方法、装置，基于脏纸编码的非线性混合预编码架构，以最大化加权和速率为目标设计混合预编码算法，包括：建模以最大化加权和速率为目标的下行广播信道非线性混合预编码问题；根据上下行信道的对偶性，将下行广播信道非线性混合预编码问题转化为与其对偶的上行多址接入信道混合合并优化问题；建模上行多址接入信道以最大化加权和速率为目标的非线性混合合并优化问题；对优化问题进行求解得到上行混合合并；基于上下行信道的对偶性，根据上行混合合并确定下行混合预编码。本发明刻画了大规模天线阵列系统中采用混合预编码架构下的可达速率容量域，相较于线性方案极大提升了系统吞吐量性能。

公开(公告)号：CN110278570A

公开(公告)日：2019-09-24

申请号：CN201910364840.9

申请日：2019-04-30

Applicant: 清华大学

Inventor： 吴梓栋 ,  万钟志超 ,  崔铭尧 ,  毕双凯声 ,  戴凌龙

IPC: H04W16/22 ,  H04W24/06 ,  H04L27/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供一种基于人工智能的无线通信系统。本发明实施例将原有通信系统所包括的多个功能模块划分为可学习模块组和不可学习模块组；其中，可学习模块组包括可学习的功能模块，不可学习模块组包括不可学习的功能模块；针对可学习模块组中包括的各可学习的功能模块，进行人工智能算法拟合的选择，根据需要以实际或仿真形式完成训练数据的获取，以获得训练好的拟合预测模型；将训练好的拟合预测模型进行结构与数据转换，与不可学习模块组包括的不可学习的功能模块一起组成新的无线通信系统。本发明实施例在实际无线通信系统的基础上以人工智能算法替代了传统基带信号处理算法，打破了长期以来通信系统的设计框架。