公开(公告)号：CN114285443B

公开(公告)日：2024-02-02

申请号：CN202111625469.0

申请日：2021-12-28

Applicant: 东南大学

Inventor： 尤力 ,  徐洁 ,  潜梦羽 ,  黄珂琳 ,  叶育琦 ,  王闻今

IPC: H04B7/0413 ,  H04B7/06

Abstract: 本发明公开了一种基于动态超表面天线辅助的近场宽带上行MIMO传输方法，包括：利用大尺寸的动态超表面天线作为基站端的接收天线，对分布在近场区域的多个用户端发送的宽带信号进行处理，可降低系统硬件成本和功率消耗；基于动态超表面天线的混合波束合成，较之当前的基于移相器和传统天线的混合波束合成，能够有效提升传输性能。本发明提出了一种联合设计动态超表面天线和基带波束合成器的算法框架，包括通过矩阵加权和均方误差和(MWMSE)最小化、交替优化、矩阵向量化和MM等方法。本发明以较低的算法复杂度和良好的收敛性实现了动态超表面天线辅助的近场宽带大规模MIMO上行传输。

公开(公告)号：CN114978254B

公开(公告)日：2024-01-19

申请号：CN202210519716.7

申请日：2022-05-12

Applicant: 东南大学

Inventor： 王闻今 ,  文简 ,  季姜晗 ,  杨辰泓 ,  王亚飞

IPC: H04B7/0413 ,  H04B7/0456 ,  H04L27/26 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于OFDM系统的机器学习辅助低复杂度鲁棒预编码算法，为避免鲁棒预编码方法中的大量矩阵求逆运算和迭代运算，降低计算复杂度，搭建卷积神经网络以代替迭代运算。将信道状态信息作为输入，训练网络，从而拟合由信道状态信息到鲁棒预编码算法中关键参数拉格朗日乘子的非线性过程。通过拉格朗日乘子即可较为简单的获得最优预编码矩阵。与此同时，为了降低导频开销以及算法复杂度，仅选取上行探测时隙频谱范围内的部分子载波插入导频。同时，将本探测周期之前的三个探测周期所测量的信道状态信息同时输入神经网络中，使神经网络可以综合处理并对目前全频谱范围内子载波的预编码关键因子拉格朗日乘子实现预测和插值。

公开(公告)号：CN116827727A

公开(公告)日：2023-09-29

申请号：CN202310902139.4

申请日：2023-07-20

Applicant: 东南大学

Inventor： 孙旸 ,  杨园 ,  梁竣 ,  韩新宇 ,  王闻今 ,  唐万恺 ,  杨杰

IPC: H04L25/02 ,  H04B7/0413

Abstract: 本发明公开了一种基于CNN‑LSTM网络的用户视距属性判断方法，属于无线通信领域，利用最小二乘信道估计算法估计出基站各天线接收到的各个用户的信道脉冲响应，取能量最大的诸条径组成输入特征图送入已经训练好的CNN网络中，CNN网络从中提取出空间及频域特征，判断用户视距属性。为了增强算法的鲁棒性，在CNN网络的基础上增加了LSTM网络层，充分提取了输入的时间特征。本发明提出的方法能够快速判断基站与各用户间的视距属性，同时考虑了用户视距属性在时间上的特性，具有较好的鲁棒性，拥有实际应用价值。

公开(公告)号：CN116707601A

公开(公告)日：2023-09-05

申请号：CN202310361792.4

申请日：2023-04-06

Applicant: 东南大学

Inventor： 王闻今 ,  金石 ,  李潇 ,  韩瑜 ,  刘洋 ,  肖伟 ,  侯宏卫

IPC: H04B7/145 ,  H04L25/02

Abstract: 本发明提供一种智能反射面辅助通信的方法及装置，属于无线通信技术领域。针对智能反射面辅助通信系统，通过使用透反一体智能反射面避免了智能反射面辅助通信方法的控制信息传递开销，提高了智能反射面辅助通信装置的便捷性和复用性，该智能反射面辅助通信的方法及装置不由基站/终端决定反射系数，而由智能反射面自身决定，由透反一体智能反射面和控制单元组成；透反一体智能反射面用于接收和反射信号，控制单元用于处理信号以及计算透反一体智能反射面反射阵元的反射系数。其有效降低了智能反射面辅助通信装置部署复杂度，提高智能反射面辅助通信装置的便捷性和复用性。

公开(公告)号：CN111431543B

公开(公告)日：2023-08-01

申请号：CN202010400072.0

申请日：2020-05-13

Applicant: 东南大学

Inventor： 王闻今 ,  徐振 ,  房天昊

IPC: H03M13/11

Abstract: 本发明提出了一种可变码长可变码率QC‑LDPC译码方法及装置。本发明采用水平分层的块并行结构，利用多码块归并策略，使得译码器能够克服传统译码器在可变码长可变码率配置下计算资源不能得到充分利用，吞吐量降低的问题；进一步地，本发明采用偏移循环移位策略，能够大大减少逻辑资源消耗，降低译码处理时延；此外，本发明采用分布式提前终止策略，能够减少译码迭代次数。相较于现有译码器，本发明在可变码长可变码率场景下具有高能效、高吞吐量、低时延、低资源消耗的特点。

公开(公告)号：CN115412137A

公开(公告)日：2022-11-29

申请号：CN202211047607.6

申请日：2022-08-30

Applicant: 东南大学

Inventor： 尤力 ,  姜涵予 ,  车昊鸿 ,  王闻今 ,  高西奇

IPC: H04B7/0426 ,  H04B7/0456 ,  H04B7/06

Abstract: 本发明公开了一种电磁辐射约束的多用户上行速率分拆多址接入能效优化方法,在上行速率分拆多址接入传输中，每个用户的原始数据流被分成多个层，这些层以各自的功率并行且独立地传输，从而提升系统的频谱效率。基站使用串行干扰消除方法，依据一定的解码顺序对接收到的子数据流解码。还利用统计信道状态信息，联合设计各用户各层的发射协方差矩阵以及最优解码顺序，使得同一时频资源下各非正交用户在满足功率约束和电磁辐射约束的条件下，系统的能量效率最大化。本发明在多用户上行速率分拆多址接入传输设计中引入了电磁辐射约束，提高了能量效率。同时，随着统计信道状态信息发生变化，中央控制器能够动态实施电磁辐射约束的多用户上行速率分拆多址接入传输的能效优化方法。

公开(公告)号：CN111786683B

公开(公告)日：2022-11-08

申请号：CN202010471715.0

申请日：2020-05-29

Applicant: 东南大学

Inventor： 王闻今 ,  房天昊 ,  侯宏卫 ,  吴体昊

IPC: H03M13/15

Abstract: 本发明公开了一种低复杂度的极化码多码块译码器，主要包括：用于获取基础信息查找表模块，用于更新对数似然比LLR的LLR计算模块，用于分裂子路径，并得到保留路径的路径修剪模块，用于更新部分和至相应层的部分和更新模块和进行循环冗余校验码CRC校验并选择输出结果的CRC校验模块；本发明基于FSL算法并结合5G中的分布式CRC特性实现了极化码译码器硬件结构，并且译码器实现过程中采用对路径度量值进行不完全排序、多码块顺序译码、路径索引存储、并行计算校验和等手段，有效降低了译码时延，提高了吞吐量；能够适用于实际的5G系统中，具有较强的工程实用性。

公开(公告)号：CN114978255A

公开(公告)日：2022-08-30

申请号：CN202210534505.0

申请日：2022-05-17

Applicant: 东南大学

Inventor： 尤力 ,  叶育琦 ,  黄珂琳 ,  伍诗语 ,  王闻今

IPC: H04B7/0413 ,  H04B7/0456 ,  H04B17/309 ,  H04B17/391 ,  H04W24/02

Abstract: 本发明公开了一种统计信道特性辅助的雷达通信共存能效优化方法，包括：构建监视雷达与大规模MIMO通信系统共存的场景；获取大规模MIMO通信系统里用户的统计信道信息；根据统计信道信息构建对应的大规模MIMO通信系统能效表达式并建立在雷达接受信号干扰比和雷达通信系统各自发射功率约束下的雷达通信共存能效优化问题模型；运用交替优化、确定性等同、MM算法和Dinkelbach算法对优化问题进行求解。本发明基于监视雷达与大规模MIMO通信系统共存的场景，充分利用了用户的波束域统计信道状态信息，通过降低大规模MIMO通信系统和监视雷达之间的互干扰显著提升了系统的能效性能，且降低了优化问题求解和物理层实现的复杂度。

公开(公告)号：CN113098804B

公开(公告)日：2022-08-23

申请号：CN202110334430.7

申请日：2021-03-29

Applicant: 东南大学

Inventor： 郑添月 ,  凌泰炀 ,  姚志伟 ,  田佳辰 ,  伍诗语 ,  郑怀瑾 ,  王闻今 ,  李潇 ,  金石

IPC: H04L25/02 ,  H04B7/0413

Abstract: 本发明公开了一种基于深度学习与熵编码的信道状态信息反馈方法，首先，在用户端，对MIMO信道状态信息的信道矩阵进行预处理，选择关键矩阵元素以减少计算量，获得实际用于反馈的信道矩阵H；其次，在用户端构建包括深度学习特征编码器与熵编码结合的模型，将信道矩阵H编码为二进制比特流；在基站端，构建包括深度学习特征译码器与熵解码结合的模型，从二进制比特流重建出原信道矩阵估计值；并对模型进行训练，获得模型参数及输出的重建信道矩阵的重建值最后，将训练好的基于深度学习与熵编码的模型用于信道信息的压缩感知和重建。本发明可以减小大规模MIMO信道状态信息反馈开销。

公开(公告)号：CN113765553B

公开(公告)日：2022-07-29

申请号：CN202111053477.2

申请日：2021-09-09

Applicant: 东南大学

Inventor： 王闻今 ,  刘彦浩 ,  王一彪 ,  伍诗语 ,  任博文 ,  丁睿 ,  尤力

IPC: H04B7/0456 ,  H04B7/0408 ,  H04B7/0426 ,  H04B7/185 ,  H04B17/391 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于机器学习的多波束卫星通信系统鲁棒预编码方法，包括，构建包含用户位置定位不确定性的多波束卫星下行信道矢量模型；获取关于信道自相关矩阵的统计信道模型；构建多波束卫星系统和速率最大化的鲁棒预编码优化设计问题；将多波束卫星系统和速率最大化的鲁棒预编码优化设计问题等价转化为用户信干噪比保障和单天线功率约束下的功率最小化问题；结合等价优化问题的拉格朗日函数及其KKT条件，获得最优预编码矢量；结合机器学习的方法基于信道自相关矩阵预测优化问题所需的拉格朗日乘子。通过本发明可以降低信道自相关矩阵预测问题算法实现复杂度，显著提高多波束卫星通信系统的传输性能及对定位角度估计误差的鲁棒性。