-
公开(公告)号：CN119853834A
公开(公告)日：2025-04-18
申请号：CN202510012614.X
申请日：2025-01-06
Applicant: 东南大学
IPC: H04B17/391 , G06T3/4053 , G06N3/082 , G06N3/0464
Abstract: 本发明公开了一种信道指纹孪生的构建方法与系统。本发明分别将粗粒度信道指纹和细粒度信道指纹视之为物理对象和数字孪生对象，并利用图像超分辨率技术构建二者之间的联系。本发明依据变分推理和重参数化理论推导细粒度信道指纹孪生似然的证据下界作为目标函数，并引入粗粒度信道指纹作为侧信息设计一种用于生成细粒度信道指纹的条件生成式扩散模型，其可部署于信道指纹孪生的核心计算中枢。此外，本发明还进一步引入了一次性剪枝算法和多目标知识蒸馏技术以获取轻量化的条件生成式扩散模型。本发明提出的信道指纹孪生构建方法不仅保证了重构精度，而且在具有不同细粒度信道指纹的无线通信场景下均具有较强的可扩展性和泛化能力。
-
公开(公告)号：CN118869018A
公开(公告)日：2024-10-29
申请号：CN202410994119.9
申请日：2024-07-24
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0426 , H04B7/0456 , H04B7/06 , H04B7/08
Abstract: 本发明公开了一种流体天线辅助MIMO通信感知一体化传输方法与系统，系统包含一个基站，多个通信用户和一个雷达目标。在基站发射侧部署天线位置固定的均匀面阵，接收侧部署多根可以在给定区域内自由移动的流体天线，在每个用户侧部署单根固定天线。本发明通过建立对应的MIMO通信模型和感知模型，并构建在通信用户信干噪比和流体天线位置约束下的雷达信杂噪比最大化问题，以接受流体天线位置和发射协方差矩阵为优化变量，运用交替优化、MM算法、连续凸近似算法对优化问题进行求解实现雷达信杂噪比最大化。本发明在MIMO系统中使用了在给定区域内可以自由移动的流体天线，相比传统MIMO使用位置固定的天线的情况，能够利用更多的空间自由度，获得更高的雷达信杂噪比。
-
公开(公告)号：CN118764345A
公开(公告)日：2024-10-11
申请号：CN202411026155.2
申请日：2024-07-30
Applicant: 东南大学
IPC: H04L25/02 , H04B7/0413 , H04B7/0426
Abstract: 本发明公开了一种近场信道图谱辅助的超大规模MIMO非正交导频设计方法及系统。考虑近场通信场景，基站侧依据各用户在不同的时频资源上发送的上行探测信号，获取各用户的统计信道信息，提取极域信道功率分布空间特征，进而绘制近场信道图谱；利用各用户统计信道信息的二阶协方差矩阵，构建最小化复用同一导频的用户信道相关性的整数规划问题，通过近场信道图谱辅助实现低复杂度的非正交导频调度。本发明考虑到用户与基站超大规模天线阵列间信道的近场极域稀疏特性，从统计信道信息提取极域信道空间特征绘制近场信道图谱，并据此为每位调度用户分配非正交导频信号。本发明能够在降低系统的导频开销的前提下，进一步提升系统信道估计准确性。
-
Patent Agency Ranking
公开(公告)号：CN114650086A
公开(公告)日：2022-06-21
申请号：CN202210312919.9
申请日：2022-03-28
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/06 , H04B17/373 , H04L25/03 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种深度学习辅助的跨频段通信波束预测方法。该方法中基站侧配备两个共址共面的不同频点天线阵列，构建BP神经网络：基础网络部分由LNN个堆栈组成，各隐藏层包含全连接的Relu激活函数和Dropout层；任务输出部分通过线性分类器将得到的特征向量投射到D维分类空间上，经由Softmax层归纳计算出所有可用类的概率分布。通过最小化交叉熵损失函数训练神经网络并预测高频段波束。最后根据香农信息定理计算并选择使得系统传输和速率最大的波束作为最终结果。本发明借助低频段波束实现高频段最佳波束预测，节省了利用信道状态信息进行估计而带来的计算开销，提高了波束预测效率。
-
公开(公告)号：CN119966547A
公开(公告)日：2025-05-09
申请号：CN202510090966.7
申请日：2025-01-21
Applicant: 东南大学
IPC: H04B17/382 , H04B17/391 , H04B17/336 , H04W36/08
Abstract: 本发明公开了一种多点信道图谱辅助的基站切换方法及系统。考虑大规模天线阵列基站密集部署的场景，在离线训练阶段，多个相邻基站共同获取其边缘区域的用户样本的信道信息，提取不相似度并融合，进而构建该区域的多点信道图谱；同时使用机器学习技术训练基于图谱的SNR预测模型；在线预测阶段，通过采样外拓展方法将新用户映射到多点信道图谱中，并使用SNR预测模型预测其与近邻基站的信道SNR，根据预测结果实现高效基站切换。本发明利用多点信道图谱，在不需要真实位置信息的前提下准确的刻画了边缘区域用户的相对位置关系，从而训练更加准确的SNR预测模型。本发明能够在降低传统切换方法开销的同时，提供较为准确的正确基站切换率。
-
公开(公告)号：CN119582889A
公开(公告)日：2025-03-07
申请号：CN202411935907.7
申请日：2024-12-26
Applicant: 东南大学
IPC: H04B7/0413 , H04L25/02 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种跨频点信道图谱外推方法与系统。本发明基于图像风格迁移技术，通过探明不同频点间的信道信息相关性，利用某频点信道图谱的先验知识估计其他频点的信道图谱，从而实现跨频点外推。本发明首先将存有统计信道信息的信道图谱建模为多通道图像，并将跨频点外推问题与图像风格迁移任务相结合；然后通过设计生成式神经网络实现频点间相关性的挖掘、先验信息特征的提取和信道图谱的映射；并进一步引入循环一致性损失进行互反关系拟合；最后通过像素‑格点转化对信道图谱的外推结果进行细粒度优化。本发明不仅能实现任意频点间的高精度外推，还在不同无线通信场景下具备较强的泛化能力，能够辅助无线通信系统实现高速率传输。
-
公开(公告)号：CN117527111A
公开(公告)日：2024-02-06
申请号：CN202311478685.6
申请日：2023-11-08
Applicant: 东南大学
IPC: H04B17/391 , G06T5/00 , G06T5/60 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/084 , G06N3/09 , H04W24/06
Abstract: 本发明公开了一种无线信道知识地图的快速构建方法与系统。本发明利用图像修复技术进行信道知识地图的构建，通过恢复图像矩阵中相应像素值，预测特定位置的信道知识，从而获取目标区域内任意位置用户设备的信道相关知识。通过将图像修复问题与信道知识地图构建问题的相似性结合，并采用拉普拉斯金字塔的频带分解框架，对输入的环境地图进行不同频率的分解。根据不同频率成分的特性，设计相应的子网络进行特征提取，最后借助拉普拉斯金字塔的逆操作来重构信道知识地图。本发明提出的无线信道知识地图构建方法不仅在更低的计算复杂度下实现了更高的构建精度，而且在各种无线通信场景下均具有较强的泛化能力。
-
公开(公告)号：CN114650086B
公开(公告)日：2023-04-18
申请号：CN202210312919.9
申请日：2022-03-28
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/06 , H04B17/373 , H04L25/03 , G06N3/045 , G06N3/08
Abstract: 本发明提出了一种深度学习辅助的跨频段通信波束预测方法。该方法中基站侧配备两个共址共面的不同频点天线阵列，构建BP神经网络：基础网络部分由LNN个堆栈组成，各隐藏层包含全连接的Relu激活函数和Dropout层；任务输出部分通过线性分类器将得到的特征向量投射到D维分类空间上，经由Softmax层归纳计算出所有可用类的概率分布。通过最小化交叉熵损失函数训练神经网络并预测高频段波束。最后根据香农信息定理计算并选择使得系统传输和速率最大的波束作为最终结果。本发明借助低频段波束实现高频段最佳波束预测，节省了利用信道状态信息进行估计而带来的计算开销，提高了波束预测效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
