公开(公告)号：CN117459995A

公开(公告)日：2024-01-26

申请号：CN202311479063.5

申请日：2023-11-08

Applicant: 南京邮电大学

Inventor： 倪艺洋 ,  曹逸飞 ,  赵海涛 ,  夏文超 ,  乔屾 ,  何昆仑 ,  钱鹏 ,  景春雷

IPC: H04W28/06 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种面向去蜂窝网络上行链路压缩感知恢复的深度展开方法，首先要在cell‑free中的每个RRH接收到测量值，对其进行CS恢复，得到用户信号数据的粗略估计；信号的粗略估计问题可以转化为一个广义LASSO形式的优化问题；得到的优化问题可通过ADMM算法的迭代方法求解，将ADMM算法表述为深度展开神经网络，将深度展开网络作为解码器，将ADMM算法迭代中的仿射映射应用于最终层；最后还提出了使用并行计算来降低时间复杂度的优化策略，优化解码器的最终输出。本发明可应用于cell‑free等压缩感知场景中，提供面向cell‑free上行链路的前端负载问题的压缩感知方法的优化方案，在原有ADMM展开网路的基础上有效提升了信号重构的速度，大大降低是了原有方法的计算复杂度。

公开(公告)号：CN116600341A

公开(公告)日：2023-08-15

申请号：CN202310569273.7

申请日：2023-05-19

Applicant: 南京邮电大学

Inventor： 夏文超 ,  曹逸飞 ,  倪艺洋 ,  赵海涛 ,  乔屾 ,  何昆仑 ,  荀位 ,  徐邦宁

IPC: H04W28/06 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种面向云无线接入网(C‑RAN)上行链路的压缩感知方法，首先要在C‑RAN场景中的每个RRH(Remote Radio Head)接收到测量值(压缩信号)，对其进行CS恢复，得到用户信号数据的粗略估计；信号的粗略估计问题可以转化为一个广义LASSO形式的优化问题；得到的优化问题可通过ADMM算法(the alternating direction method of multipliers algorithm)的迭代方法求解，基于上述步骤将ADMM算法表述为具有层迭代的深度展开神经网络(deep unfolding network)，将这样的深度展开网络作为解码器；最后将ADMM算法迭代中的仿射映射应用于最终层，得到最终输出。本发明可应用于C‑RAN等压缩感知场景中，提供面向C‑RAN上行链路的前端负载问题的压缩感知方法，有效提升了在压缩感知场景中信号重构的速度和抗噪性能。