-
公开(公告)号：CN113259033B
公开(公告)日：2022-11-29
申请号：CN202110522022.4
申请日：2021-05-13
Applicant: 东南大学
IPC: H04B17/382 , H04W16/28
Abstract: 本发明公开了一种基于FPGA的动态毫米波通信场景中高速波束控制方法，包括以下步骤：在通信系统的接收端通过全码本扫描进行波束的初始化，建立起初始通信波束；建立波束控制模块与基带处理FPGA间的数据通信，用于触发波束跟踪过程并进行波束测量；建立波束训练状态机实现波束跟踪算法模型；通过SPI高速串口传输天线控制信息实现波束控制模块对天线的控制；每次波束训练结束后进行波束质量的判断，如果判定为波束选择失败则需要进行波束恢复；波束训练结束后选定最佳传输波束进行数据传输，并等待下一个周期的训练触发信号。本发明通过定义SPI高速模式写入协议控制天线，实现了微秒级别的波束切换间隔。
-
公开(公告)号：CN115801070B
公开(公告)日：2025-04-25
申请号：CN202210518234.X
申请日：2022-05-12
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0456
Abstract: 本发明公开了一种基于深度学习的毫米波MIMO码本搜索方法，通过引入深度学习的方法将码本搜索问题转化为了多分类问题，采用了两种模型结构，将问题具体转化为了多标签分类问题与单标签多分类问题。在神经网络的训练阶段，将采集好的信道信息，以最大化频谱效率为目标，采用码本遍历的方法，得到最佳的模拟预编码器与组合器的索引，此索引便为对应信道信息的标签。将信道信息作为深度学习模型的输入，对应的模拟预编码器与组合器的索引作为模型的输出，对深度学习模型进行训练，直到训练完成。本发明不依赖于特定的码本，取得了接近于码本遍历方法的频谱效率，且能有效的减少计算复杂度，提高系统实时性。
-
公开(公告)号：CN115002804B
公开(公告)日：2025-01-03
申请号：CN202210526035.3
申请日：2022-05-13
Applicant: 东南大学
IPC: H04W24/02 , H04W72/044 , H04W72/53 , H04B7/06 , G06N3/092
Abstract: 本发明公开了一种基于强化学习的智能波束宽度优化方法。该方法通过动态调整波束宽度来抑制毫米波通信中的波束漂移效应，算法将波束宽度动态优化问题建模为一个马尔科夫决策过程，并在每个决策时刻选择最优波束宽度进行数据传输。其状态设计可以多角度表征当前系统波束漂移效应严重程度，而每个动作对应不同的波束宽度，进而通过感知环境变化快慢来优化和调整数据传输波束的宽度。在每个状态下，根据AC算法来选择数据传输的最佳波束宽度，并在训练中不断更新策略网络和价值网络以提高模型选择合理性和可靠性，同时引入动态网络更新机制以减轻网络更新的运算负担。提高了波束漂移效应下毫米波通信系统的吞吐量，从而持续保证通信链路的质量。
-
Patent Agency Ranking
公开(公告)号：CN114978261B
公开(公告)日：2024-04-05
申请号：CN202210517793.9
申请日：2022-05-12
Applicant: 东南大学
IPC: H04B7/0426 , G06N3/0464 , G06N3/08 , H04B7/0456 , H04B17/336 , H04K1/06
Abstract: 本发明公开了一种基于深度学习的毫米波安全混合波束成形方法，采取了线下对深度学习网络模型进行训练，模型训练完成之后，上线运行的模式。线下训练包括：收集合法用户信道信息与窃听者信道信息；对合法用户信道信息与窃听者信道信息进行一些预处理之后作为模型的输入，且将合法用户信道信息与窃听者信道信息与信噪比信息作为自定义loss函数的lambda层的输入；模型以最大化安全频谱效率为目标不断的更新模型的参数直到训练完成。将线下训练好的模型上线运行，将合法用户信道信息、窃听者信道信息与信噪比信息进行输入，得到模拟预编码矩阵的输出。本发明在保障较好的安全频谱效率的同时，能够有效的减少计算复杂度，提高系统实时性。
-
公开(公告)号：CN114978261A
公开(公告)日：2022-08-30
申请号：CN202210517793.9
申请日：2022-05-12
Applicant: 东南大学
IPC: H04B7/0426 , G06N3/04 , G06N3/08 , H04B7/0456 , H04B17/336 , H04K1/06
Abstract: 本发明公开了一种基于深度学习的毫米波安全混合波束成形方法，采取了线下对深度学习网络模型进行训练，模型训练完成之后，上线运行的模式。线下训练包括：收集合法用户信道信息与窃听者信道信息；对合法用户信道信息与窃听者信道信息进行一些预处理之后作为模型的输入，且将合法用户信道信息与窃听者信道信息与信噪比信息作为自定义loss函数的lambda层的输入；模型以最大化安全频谱效率为目标不断的更新模型的参数直到训练完成。将线下训练好的模型上线运行，将合法用户信道信息、窃听者信道信息与信噪比信息进行输入，得到模拟预编码矩阵的输出。本发明在保障较好的安全频谱效率的同时，能够有效的减少计算复杂度，提高系统实时性。
-
公开(公告)号：CN113259033A
公开(公告)日：2021-08-13
申请号：CN202110522022.4
申请日：2021-05-13
Applicant: 东南大学
IPC: H04B17/382 , H04W16/28
Abstract: 本发明公开了一种基于FPGA的动态毫米波通信场景中高速波束控制方法，包括以下步骤：在通信系统的接收端通过全码本扫描进行波束的初始化，建立起初始通信波束；建立波束控制模块与基带处理FPGA间的数据通信，用于触发波束跟踪过程并进行波束测量；建立波束训练状态机实现波束跟踪算法模型；通过SPI高速串口传输天线控制信息实现波束控制模块对天线的控制；每次波束训练结束后进行波束质量的判断，如果判定为波束选择失败则需要进行波束恢复；波束训练结束后选定最佳传输波束进行数据传输，并等待下一个周期的训练触发信号。本发明通过定义SPI高速模式写入协议控制天线，实现了微秒级别的波束切换间隔。
-
公开(公告)号：CN115801070A
公开(公告)日：2023-03-14
申请号：CN202210518234.X
申请日：2022-05-12
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0456
Abstract: 本发明公开了一种基于深度学习的毫米波MIMO码本搜索方法，通过引入深度学习的方法将码本搜索问题转化为了多分类问题，采用了两种模型结构，将问题具体转化为了多标签分类问题与单标签多分类问题。在神经网络的训练阶段，将采集好的信道信息，以最大化频谱效率为目标，采用码本遍历的方法，得到最佳的模拟预编码器与组合器的索引，此索引便为对应信道信息的标签。将信道信息作为深度学习模型的输入，对应的模拟预编码器与组合器的索引作为模型的输出，对深度学习模型进行训练，直到训练完成。本发明不依赖于特定的码本，取得了接近于码本遍历方法的频谱效率，且能有效的减少计算复杂度，提高系统实时性。
-
公开(公告)号：CN115002804A
公开(公告)日：2022-09-02
申请号：CN202210526035.3
申请日：2022-05-13
Applicant: 东南大学
Abstract: 本发明公开了一种基于强化学习的智能波束宽度优化方法。该方法通过动态调整波束宽度来抑制毫米波通信中的波束漂移效应，算法将波束宽度动态优化问题建模为一个马尔科夫决策过程，并在每个决策时刻选择最优波束宽度进行数据传输。其状态设计可以多角度表征当前系统波束漂移效应严重程度，而每个动作对应不同的波束宽度，进而通过感知环境变化快慢来优化和调整数据传输波束的宽度。在每个状态下，根据AC算法来选择数据传输的最佳波束宽度，并在训练中不断更新策略网络和价值网络以提高模型选择合理性和可靠性，同时引入动态网络更新机制以减轻网络更新的运算负担。提高了波束漂移效应下毫米波通信系统的吞吐量，从而持续保证通信链路的质量。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
