-
公开(公告)号：CN115412187A
公开(公告)日：2022-11-29
申请号：CN202210805376.4
申请日：2022-07-10
Applicant: 重庆邮电大学
IPC: H04B17/309 , H04B17/391
Abstract: 本发明涉及移动通讯领域，公开了一种基于可重构智能表面的毫米波信道追踪方法，包括如下步骤：步骤1、构建RIS辅助上行无线通信系统模型，以及UE‑RIS‑BS链路的双时间尺度模型和角度变化模型；步骤2、使用二维快速傅里叶变换算法初始化信道角度参数，并使用最大似然算法初始化路径增益参数；步骤3、基于牛顿算法追踪UE‑RIS水平方向的信道角度；步骤4、对信道矩阵H(t)是否会发生突变进行检测，若检测到信道矩阵H(t)突变，则再次初始化参数，否则使用牛顿算法继续追踪角度参数。本发明在保证优越性能的前提下，计算复杂度可以达到最低，极大节省算力资源。
-
公开(公告)号：CN116406008A
公开(公告)日：2023-07-07
申请号：CN202310232319.6
申请日：2023-03-10
Applicant: 重庆邮电大学
IPC: H04W72/0446 , H04W72/044 , H04W72/53
Abstract: 本申请提供一种基于TDMA的雾网络控制方法及装置。方法包括：建立用于计算优化参数的公式集及约束条件；根据公式集中的第一优化计算公式，确定用户端k的最优本地计算能力，其中，用户端k为K个用户端中的任一用户端；根据公式集中的第二优化计算公式，确定用户端k的最优传输功率；根据公式集中的第三优化计算公式，确定用户端k选择M个雾节点中的雾节点m的最优通信选择因子；根据公式集中的第四优化计算公式及约束条件，确定用户端k的最优传输时间；根据最优本地计算能力、最优传输功率、最优通信选择因子和最优传输时间，控制雾网络系统中的雾节点m和用户端k运行。如此，有利于雾网络系统优化资源配置，提高系统的计算与通信效率。
-
公开(公告)号：CN112865841A
公开(公告)日：2021-05-28
申请号：CN202110064947.9
申请日：2021-01-18
Applicant: 重庆邮电大学
IPC: H04B7/0413 , H04B17/391 , H04L25/02
Abstract: 本发明属于无线通信技术领域，具体涉及基于残差DNN的1‑比特大规模MIMO信道估计方法，用户端所有天线向基站发送导频信号，基站端天线接收到信号矩阵，将接收的信号矩阵向量化处理，分别对其实部和虚部进行量化，根据量化信号以及信道模型生成用于训练深度残差神经网络的样本集；将训练样本集送入深度残差神经网络进行离线阶段训练；再将训练好的深度残差神经网络配置在基站端，用于在线阶段的信道估计；本发明通过将残差网络的思想引入到深度神经网络中，解决了直接使用深度神经网络进行信道估计时梯度爆炸和梯度消失的问题，且由于残差深度神经网络具有强大的学习能力，使得1‑比特大规模MIMO系统信道估计的性能得到了显著提升。
-
公开(公告)号：CN115412187B
公开(公告)日：2024-11-12
申请号：CN202210805376.4
申请日：2022-07-10
Applicant: 重庆邮电大学
IPC: H04B17/309 , H04B17/391
Abstract: 本发明涉及移动通讯领域，公开了一种基于可重构智能表面的毫米波信道追踪方法，包括如下步骤：步骤1、构建RIS辅助上行无线通信系统模型，以及UE‑RIS‑BS链路的双时间尺度模型和角度变化模型；步骤2、使用二维快速傅里叶变换算法初始化信道角度参数，并使用最大似然算法初始化路径增益参数；步骤3、基于牛顿算法追踪UE‑RIS水平方向的信道角度；步骤4、对信道矩阵H(t)是否会发生突变进行检测，若检测到信道矩阵H(t)突变，则再次初始化参数，否则使用牛顿算法继续追踪角度参数。本发明在保证优越性能的前提下，计算复杂度可以达到最低，极大节省算力资源。
-
Patent Agency Ranking
公开(公告)号：CN115412416A
公开(公告)日：2022-11-29
申请号：CN202210784645.3
申请日：2022-07-05
Applicant: 重庆邮电大学
IPC: H04L27/26
Abstract: 本发明涉及移动通信技术领域，公开了一种面向高速移动场景的低复杂度OTFS信号检测方法，包括以下步骤，S1、利用时延‑多普勒域信道稀疏性建立稀疏因子图，并构建基于稀疏因子图的消息传递规则；S2、利用时延‑多普勒域信道的块循环结构，通过傅里叶矩阵对角化以降低期望传播算法中的求逆步骤复杂度；S3、利用期望传播算法迭代，当算法收敛后输出检测符号进行解调。在高速移动场景中，本发明能够在保持“对数‑线性”复杂度的前提下达到优良性能，达到性能和复杂度的折中。
-
公开(公告)号：CN114520699A
公开(公告)日：2022-05-20
申请号：CN202111682202.5
申请日：2021-12-28
Applicant: 重庆邮电大学
IPC: H04B17/391 , H04L25/02
Abstract: 本发明涉及无线通信领域，具体公开了一种可重构智能反射面辅助的低复杂度毫米波信道估计方法，包括以下步骤：S1、建立了RIS(Reconfigurable Intelligent Surfaces，RIS)辅助毫米波通信系统模型，将RIS反射单元连接L型RF(Radio Frequency,RF)链，利用RIS端连接RF链单元的接收信号和BS(base station，BS)端接收信号，对其补零后使用2D‑FFT算法得到其二维空间谱，进行角度粗估计；S2、为进一步提高角度估计精度，对补零后的接收信号，进行角度旋转，再使用2D‑FFT算法得到其二维空间谱，利用谱峰和最优旋转角得到更精确的角度估计；S3、使用S2得到的二维空间频谱的谱峰和其对应的幅角得到路径增益估计，利用以上得到的角度和路径增益恢复出用户到RIS和RIS到BS的信道矩阵。
-
公开(公告)号：CN115412416B
公开(公告)日：2023-06-30
申请号：CN202210784645.3
申请日：2022-07-05
Applicant: 重庆邮电大学
IPC: H04L27/26
Abstract: 本发明涉及移动通信技术领域，公开了一种面向高速移动场景的低复杂度OTFS信号检测方法，包括以下步骤，S1、利用时延‑多普勒域信道稀疏性建立稀疏因子图，并构建基于稀疏因子图的消息传递规则；S2、利用时延‑多普勒域信道的块循环结构，通过傅里叶矩阵对角化以降低期望传播算法中的求逆步骤复杂度；S3、利用期望传播算法迭代，当算法收敛后输出检测符号进行解调。在高速移动场景中，本发明能够在保持“对数‑线性”复杂度的前提下达到优良性能，达到性能和复杂度的折中。
-
公开(公告)号：CN114520699B
公开(公告)日：2023-06-30
申请号：CN202111682202.5
申请日：2021-12-28
Applicant: 重庆邮电大学
IPC: H04B17/391 , H04L25/02
Abstract: 本发明涉及无线通信领域，具体公开了一种可重构智能反射面辅助的低复杂度毫米波信道估计方法，包括以下步骤：S1、建立了RIS(Reconfigurable Intelligent Surfaces，RIS)辅助毫米波通信系统模型，将RIS反射单元连接L型RF(Radio Frequency,RF)链，利用RIS端连接RF链单元的接收信号和BS(base station，BS)端接收信号，对其补零后使用2D‑FFT算法得到其二维空间谱，进行角度粗估计；S2、为进一步提高角度估计精度，对补零后的接收信号，进行角度旋转，再使用2D‑FFT算法得到其二维空间谱，利用谱峰和最优旋转角得到更精确的角度估计；S3、使用S2得到的二维空间频谱的谱峰和其对应的幅角得到路径增益估计，利用以上得到的角度和路径增益恢复出用户到RIS和RIS到BS的信道矩阵。
-
公开(公告)号：CN112865841B
公开(公告)日：2022-04-19
申请号：CN202110064947.9
申请日：2021-01-18
Applicant: 重庆邮电大学
IPC: H04B7/0413 , H04B17/391 , H04L25/02
Abstract: 本发明属于无线通信技术领域，具体涉及基于残差DNN的1‑比特大规模MIMO信道估计方法，用户端所有天线向基站发送导频信号，基站端天线接收到信号矩阵，将接收的信号矩阵向量化处理，分别对其实部和虚部进行量化，根据量化信号以及信道模型生成用于训练深度残差神经网络的样本集；将训练样本集送入深度残差神经网络进行离线阶段训练；再将训练好的深度残差神经网络配置在基站端，用于在线阶段的信道估计；本发明通过将残差网络的思想引入到深度神经网络中，解决了直接使用深度神经网络进行信道估计时梯度爆炸和梯度消失的问题，且由于残差深度神经网络具有强大的学习能力，使得1‑比特大规模MIMO系统信道估计的性能得到了显著提升。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
