一种极化码可靠性估计方法

    公开(公告)号:CN108199807A

    公开(公告)日:2018-06-22

    申请号:CN201810051635.2

    申请日:2018-01-19

    Abstract: 本发明公开了一种极化码可靠性估计方法,涉及第五代通信技术中的信道编码和解码技术中的极化码。本发明考虑到机器学习模型具有强大的学习能力,构建合适的机器学习环境,通过机器学习训练出一种极化码可靠性估计的简化方法,可以简化极化码计算的计算量,并提高极化码可靠性估计的准确率。

    一种基于任意内核的极化码编码方法

    公开(公告)号:CN107124251A

    公开(公告)日:2017-09-01

    申请号:CN201710425690.9

    申请日:2017-06-08

    Abstract: 本发明涉及一种基于任意内核的极化码编码方法,包括步骤:(1)对输入的数据N比特进行因子分解,得到内核因子,(2)根据内核因子得到对应的内核矩阵,(3)对内核矩阵通过克罗内克累乘,得到极化码生成矩阵,(4)将极化码生成矩阵和比特翻转矩阵进行克罗内克乘积,得到新的生成矩阵,(5)将新的生成矩阵与原始比特序列进行计算,得到比特翻转后的极化码。本发明提出不同内核的搭建,生成一种多样化的编码矩阵,对于此方法,可以产生很多种编码方案,对极化码的研究很有必要,本方法计算简单,计算量比较小。

    一种极化码可靠性估计方法

    公开(公告)号:CN108199807B

    公开(公告)日:2020-06-16

    申请号:CN201810051635.2

    申请日:2018-01-19

    Abstract: 本发明公开了一种极化码可靠性估计方法,涉及第五代通信技术中的信道编码和解码技术中的极化码。本发明考虑到机器学习模型具有强大的学习能力,构建合适的机器学习环境,通过机器学习训练出一种极化码可靠性估计的简化方法,可以简化极化码计算的计算量,并提高极化码可靠性估计的准确率。

    基于卷积神经网络的3D MIMO-OFDM系统信道估计方法

    公开(公告)号:CN110266620A

    公开(公告)日:2019-09-20

    申请号:CN201910609895.1

    申请日:2019-07-08

    Abstract: 本发明公开了一种基于卷积神经网络的3D MIMO-OFDM系统信道估计方法,其包括采用3D MIMO-OFDM系统中接收到的导频值计算LS估计值,并对LS估计值进行预处理得到实部图像化表示和虚部图形化表示;将实部图像化表示和虚部图形化表示分别作为已训练的实部CECNN模型和虚部CECNN模型的输入,并分别输出一个完整信道图像化表示;分别对两个完整信道图像化表示进行归一化的逆向操作得到实部数据和虚部数据;以及对实部数据和虚部数据进行拼接,得到3D MIMO-OFDM系统完整的信道响应值。

    一种动态自适应多径查找方法

    公开(公告)号:CN109347516B

    公开(公告)日:2019-11-05

    申请号:CN201811539625.X

    申请日:2018-12-17

    Abstract: 本发明公开了一种动态自适应多径查找方法,属于无线通信技术领域,解决了现有的多径搜索方法会受到信道的时变性的影响从而导致搜索正确率不高的问题。本发明在每一径信号中采用动态自适应门限进行多径估计及查找,相比于现有技术中采用固态门限的方法,最终得到的误码率有显著减小,查找得到的多径更加稳定,从而有效降低了信道的时变性对多径搜索的影响。

    一种动态自适应多径查找方法

    公开(公告)号:CN109347516A

    公开(公告)日:2019-02-15

    申请号:CN201811539625.X

    申请日:2018-12-17

    Abstract: 本发明公开了一种动态自适应多径查找方法,属于无线通信技术领域,解决了现有的多径搜索方法会受到信道的时变性的影响从而导致搜索正确率不高的问题。本发明在每一径信号中采用动态自适应门限进行多径估计及查找,相比于现有技术中采用固态门限的方法,最终得到的误码率有显著减小,查找得到的多径更加稳定,从而有效降低了信道的时变性对多径搜索的影响。

    基于卷积神经网络的3D MIMO-OFDM系统信道估计方法

    公开(公告)号:CN110266620B

    公开(公告)日:2020-06-30

    申请号:CN201910609895.1

    申请日:2019-07-08

    Abstract: 本发明公开了一种基于卷积神经网络的3D MIMO‑OFDM系统信道估计方法,其包括采用3D MIMO‑OFDM系统中接收到的导频值计算LS估计值,并对LS估计值进行预处理得到实部图像化表示和虚部图形化表示;将实部图像化表示和虚部图形化表示分别作为已训练的实部CECNN模型和虚部CECNN模型的输入,并分别输出一个完整信道图像化表示;分别对两个完整信道图像化表示进行归一化的逆向操作得到实部数据和虚部数据;以及对实部数据和虚部数据进行拼接,得到3D MIMO‑OFDM系统完整的信道响应值。

Patent Agency Ranking