-
公开(公告)号:CN116032398A
公开(公告)日:2023-04-28
申请号:CN202211685853.4
申请日:2022-12-27
Applicant: 网络通信与安全紫金山实验室
IPC: H04B17/391 , G06F18/23213 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种基于深度学习的预测信道建模方法,包括:采集不同频段下的信道数据;从所述信道数据提取多径参数;对所述多径参数进行簇识别,得到各类多径簇;通过各类所述多径簇的所述信道数据训练信道预测网络;通过训练好的所述信道预测网络与已知频段下的信道数据,预测得到预测频段下的信道数据。该方法能够实现高精度的频域信道预测。本申请还公开了一种基于深度学习的预测信道建模装置、设备以及计算机可读存储介质,均具有上述技术效果。
-
公开(公告)号:CN117743953A
公开(公告)日:2024-03-22
申请号:CN202311696254.7
申请日:2023-12-12
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: G06F18/2411 , H04B17/391 , H04B17/309 , G06N20/10
Abstract: 本发明公开了一种基于电子地图的通信场景分割与识别方法,能够有效地实现实际通信过程中的场景识别,具体包括以下步骤:1)进行第一阶段的场景分割并基于分割结果计算物理环境参数;2)将上述物理环境参数作为识别特征,对比常用的机器学习分类算法识别效果,得出初次识别结果;3)进行第二阶段的场景分割,本阶段在识别出场景大类的基础上进一步将场景细化为可能出现在真实环境中的子场景,根据分割的范围重新计算物理环境参数;4)将计算所得物理环境参数与接收功率一起作为识别特征,比较不同的机器学习算法,最终场景识别精确度可达96%。该方法为无线通信系统提供了场景类型信息,为信道建模提供了重要的前提条件。
-
公开(公告)号:CN115276861B
公开(公告)日:2024-03-19
申请号:CN202210773983.7
申请日:2022-07-01
Applicant: 网络通信与安全紫金山实验室
IPC: H04B17/391 , H04B7/0413
Abstract: 本发明实施例公开了一种6G超大规模MIMO无线信道的收发端耦合特性分析方法、装置及存储介质,涉及无线通信技术领域,能够实现对于收发端联合特性的分析。本发明包括:获取收发端联合相关分析量,所述收发端联合相关分析量包括:收发端耦合矩阵;利用所述收发端联合相关分析量,建立信道模型组;通过信道测量平台获取信道测量数据;利用所述信道测量数据,分析所述信道模型组中模型的性能通过信道测量平台获取信道测量数据。
-
公开(公告)号:CN115276861A
公开(公告)日:2022-11-01
申请号:CN202210773983.7
申请日:2022-07-01
Applicant: 网络通信与安全紫金山实验室
IPC: H04B17/391 , H04B7/0413
Abstract: 本发明实施例公开了一种6G超大规模MIMO无线信道的收发端耦合特性分析方法、装置及存储介质,涉及无线通信技术领域,能够实现对于收发端联合特性的分析。本发明包括:获取收发端联合相关分析量,所述收发端联合相关分析量包括:收发端耦合矩阵;利用所述收发端联合相关分析量,建立信道模型组;通过信道测量平台获取信道测量数据;利用所述信道测量数据,分析所述信道模型组中模型的性能通过信道测量平台获取信道测量数据。
-
-
-