公开(公告)号：CN114978843B

公开(公告)日：2024-01-26

申请号：CN202210555947.3

申请日：2022-05-19

Applicant: 东南大学

Inventor： 赵春明 ,  孙羿 ,  姜明

IPC: H04L27/26

Abstract: 本发明提供一种基于译码辅助的正交频分复用系统时变信道追踪方法，包括：考虑时变信道场景下的OFDM系统，发送端进行编码时，每个OFDM符号对应一个编码码块，每个子帧的第一个OFDM符号放置块状导频；在接收端，首先利用导频信号推断出第一个OFDM符号各子载波位置的信道；将其视为理想值，推断下一个OFDM符号的各子载波上的符号概率，进行软解调，得到LLR序列；将该OFDM符号对应的LLR序列送入译码器，得到译码后的LLR，更新各子载波上的符号概率；接着利用更新后的符号概率和信道相关性更新该OFDM符号各子载波位置的信道估计值；迭代上述过程，直至完成该子帧内所有OFDM符号的译码。本发明能够有效追踪OFDM时变信道，节约导频开销，提升信道估计精度，提高系统接收性能。

公开(公告)号：CN117201246A

公开(公告)日：2023-12-08

申请号：CN202311214587.1

申请日：2023-09-19

Applicant: 东南大学

Inventor： 沈弘 ,  李冰清 ,  孙羿 ,  赵春明 ,  许威

IPC: H04L25/03 ,  H04B17/345 ,  H04B17/391 ,  H04L41/14 ,  H04L41/142 ,  H04L41/16

Abstract: 本发明公开一种快时变信道下的OFDM联合相位噪声补偿和信号检测方法，该方法首先建立快时变信道和相位噪声影响下的OFDM系统传输模型，并根据频域接收信号以及考虑到星座符号的离散约束，构建带约束的联合相位噪声补偿和信号检测的目标函数；然后通过引入惩罚项、惩罚因子和辅助变量，构建优化目标的增广拉格朗日函数，使用交叉方向乘子法ADMM进行求解；接着将ADMM迭代过程映射到深度神经网络中，通过构建训练数据集及设置损失函数，对惩罚因子等参数进行调优。最后利用训练好的模型进行在线符号检测，得到误码率曲线。本发明可以有效缓解快时变信道和相位噪声引起的子载波间干扰，能显著提高OFDM信号检测的性能，并降低了算法复杂度。

公开(公告)号：CN116743216A

公开(公告)日：2023-09-12

申请号：CN202310768323.4

申请日：2023-06-27

Applicant: 东南大学

Inventor： 沈弘 ,  史雪璞 ,  徐盼娟 ,  赵春明

IPC: H04B7/0413 ,  H04L1/20 ,  H04L25/02

Abstract: 本申请公开了一种基于ADMM的大规模MIMO深度展开软输出信号检测方法及装置，属于无线通信领域，方法包括：将上行空口信道矩阵和接收向量输入预先训练好的非线性神经网络，得到软输出信号检测后的发射比特概率。非线性神经网络为对以惩罚共享和共轭梯度迭代近似的交替方向乘子法中的惩罚参数以及步长为训练参数的深度展开多层非线性子网络和以对数似然比计算过程中的均衡后信道增益以及信干噪比为训练参数的单层软信息计算子网络进行组合得到。将惩罚共享和共轭梯度迭代近似的交替方向乘子法的内部结构和先进的DNN网络相结合，利用深度展开构建基于模型驱动的监督型神经网络，具有更好的泛化能力和可解释性。

公开(公告)号：CN111245512B

公开(公告)日：2023-05-02

申请号：CN202010044920.9

申请日：2020-01-15

Applicant: 东南大学

Inventor： 梁霄 ,  郭大众 ,  赵春明

IPC: H04B10/116 ,  H04B17/391

Abstract: 本发明公开一种基于神经网络的可见光通信系统非线性信道建模方法，使用多种不同分布特性的已知随机信号，对信道特性进行完整的测量。将接收信号作为训练神经网络的参考数据，将对应的发射信号作为训练神经网络时的输入数据。使用神经网络对接收信号和发射信号之间关系进行训练，得到信道的非线性和记忆性。以此训练完成的网络，当输入发射信号时，网络输出为对实际信道中接收信号的估计。本发明对LED信道的非线性和记忆性都准确的估计出来，并且如果改变LED的偏置电流大小测量信道，也可以得到不同偏置下的LED非线性特性。

公开(公告)号：CN111431837B

公开(公告)日：2023-01-17

申请号：CN202010241349.X

申请日：2020-03-31

Applicant: 东南大学

Inventor： 赵春明 ,  蔡欢 ,  张浩 ,  姜明

IPC: H04L27/26 ,  H04L27/00 ,  H04L25/03 ,  H04L5/00

Abstract: 本发明涉及一种应对子载波和符号间干扰的OFDM信号迭代检测方法，利用分组ML联合检测代替在整个OFDM符号的ML联合检测，大大降低了ML联合检测在实施中的复杂度，并且针对分组ML联合检测带来的性能损失，设计利用判决反馈和干扰消除进行补偿。综上，本专利应用一种减少复杂度最大似然迭代检测方法（Iterative Reduced complexity Maximum Likelihood,IRCML）实现可接受复杂度下的存在ICI\ISI的OFDM接收符号的有效检测；本专利设计方案可以有效地降低迭代串行干扰消除的在低信噪比的误码传播问题；相比于迭代串行干扰消除，本发明技术方案在高信噪比明显降低了误比特率，而且能够在在最大似然检测方法的复杂度和性能之间取得折中，最终将其应用于实际系统中。

公开(公告)号：CN111132297B

公开(公告)日：2022-10-28

申请号：CN201911314897.4

申请日：2019-12-19

Applicant: 东南大学

Inventor： 沈弘 ,  何振耀 ,  许威 ,  赵春明

IPC: H04W52/26 ,  H04W52/40 ,  H04W52/02 ,  H04B7/06 ,  H04B7/0426

Abstract: 本发明公开了一种超密集网络发射功率最小化的波束成形优化方法与装置，本发明考虑一个存在一个宏基站以及多个小基站的超密集网络，用户根据所在位置接入相应基站，通过构建以用户QoS需求以及小基站回程速率受限为约束，最小化系统的总发射功率为目标的优化问题，联合优化宏基站以及所有小基站的发射波束成形。优化过程是首先引入中间变量，迭代求解关于中间变量的优化问题，每次迭代过程中需要求解一个SDP问题，然后基于最优的中间变量，采用高斯随机化得到一系列满足原问题约束的发射波束成形作为备选解，选择其中发射功率最小的一组解作为最优发射波束成形。相较于传统迫零传输方案，本发明能够显著降低系统总发射功率。

公开(公告)号：CN114666013A

公开(公告)日：2022-06-24

申请号：CN202210312791.6

申请日：2022-03-28

Applicant: 东南大学

Inventor： 姜明 ,  张文睿 ,  徐悦 ,  还冬锐 ,  赵春明

IPC: H04L1/00 ,  H04L1/22 ,  H04W4/38 ,  H04W28/04 ,  H04W28/06

Abstract: 本发明公开了一种低信息新鲜度的物联网状态更新系统的乘积编包发送方法，采用传感器、中继和服务器端两段三点架构，多个传感器每个都具有独立的检测与发送能力，将数据经过中继转发至服务器端进行接收。本发明提供的乘积编码与发送方法利用了乘积编码可以单独解码合并解码的两次解码特性，让中继对单个数据进行直接转发后，再对多个数据进行乘积编码并转发编码冗余，使得服务器端能够先后进行两次解码，降低了处理延时，提升了物联网状态更新系统的信息新鲜度性能。

公开(公告)号：CN113992210A

公开(公告)日：2022-01-28

申请号：CN202111264759.7

申请日：2021-10-28

Applicant: 东南大学

Inventor： 姜明 ,  刘蕴箫 ,  张一荻 ,  赵春明

IPC: H03M13/11 ,  G06N3/12

Abstract: 本发明提供了一种适用于分块结构LDPC码的遗传优化方法，包括以下步骤：S01统计基矩阵信息；S02设置测试信息；S03行初始化；S04待优化行初始向量分析；S05遗传演化初始化；S06初始化种群；S07计算第k代种群适应度；S08选择操作；S09变异操作；S10交叉操作；S11循环代数更新：k＝k+1；若k

公开(公告)号：CN111200470B

公开(公告)日：2021-09-07

申请号：CN202010027487.8

申请日：2020-01-10

Applicant: 东南大学

Inventor： 姜明 ,  邹龙浩 ,  赵春明

IPC: H04L27/34 ,  H04B17/391 ,  G06N3/08

Abstract: 本发明涉及一种适用于受非线性干扰的高阶调制信号传输控制方法，通过神经网络来实现解调功能，以减少功率放大器对信号造成的非线性干扰，从而恢复出发射端的信号，其中，神经网络的代价函数采用交叉熵函数；训练方法采用反向传播算法；将经过匹配滤波器后的信号的实部、虚部以及对应的功率回退系数作为神经网络的输入，神经网络的输出结果代表了QAM信号中每个比特为1的概率值；而且神经网络的隐藏层和输出层的激活函数分别采用tanh函数和sigmoid函数；整个设计方案与现有非线性场景下高阶调制信号的解调算法对比，不仅性能上有所提高，而且算法的复杂度降低。

公开(公告)号：CN109586776B

公开(公告)日：2021-08-31

申请号：CN201910054978.9

申请日：2019-01-21

Applicant: 东南大学

Inventor： 张华 ,  张仁民 ,  许威 ,  赵春明 ,  尤肖虎

IPC: H04B7/0456 ,  H04B7/06

Abstract: 本发明公开了一种基于子阵列协作的多精度码本产生及自适应波束训练方法，包括PS‑DFT多精度码本生成算法和自适应波束训练算法。多精度码本具有模拟/数字混合结构：子阵列上的DFT基本子波束通过模拟射频组件形成，子阵列间的协作通过数字基带组件选择基本子波束、调整子波束间相位差和进行功率分配实现；自适应波束训练算法根据不同的传输信噪比自适应地选择进行初始级波束训练所应在的码本层号。本发明具有硬件实现复杂度低、带内波束平坦、角度估计准确率高。本发明适用于通信双方采用部分连接混合预编码结构的毫米波大规模天线点对点无线通信系统，且收发两侧使用的阵列为半波天线间距的均匀线性阵列。