-
公开(公告)号：CN106817155B
公开(公告)日：2020-12-15
申请号：CN201710049022.0
申请日：2017-01-23
Applicant: 东南大学
IPC: H04B7/0413 , H04L25/02
Abstract: 本发明公开了一种基于加权Kapetyn级数展开的大规模MIMO低复杂度信道估计方法。首先采用Kapteyn级数展开法对Bayesian‑MMSE信道估计表达式中的信道协方差逆矩阵进行近似展开，将矩阵求逆运算转换成矩阵乘法和矩阵加法运算，接着对多项式每项系数采用加权方式来优化多项式展开，建立模型对加权系数向量α和β进行求解使得估计的均方误差最小化，利用α和β的求解结果对信道矩阵进行估计。实验结果表明随着多项式阶数的增大，基于加权Kapetyn级数展开的信道估计方法得到的MSE会收敛于MMSE方法，然而计算复杂度低于MMSE方法。对比与传统Taylor‑MMSE和Kapetyn级数展开信道估计方法，基于加权Kapetyn级数展开方法收敛到MMSE方法的速度更快。
-
公开(公告)号：CN108055699A
公开(公告)日：2018-05-18
申请号：CN201711236897.8
申请日：2017-11-30
Applicant: 东南大学
IPC: H04W72/04
CPC classification number: H04W72/0446 , H04W72/0493
Abstract: 本发明公开了一种感知时长和资源分配联合优化的三点插值快速算法，优化目标为：其中r为数据总速率，τ为感知时隙宽度，X和W分别为用户对各频带的占比矩阵和发射功率矩阵，约束条件为检测和虚警概率、发射功率峰值和均值均受限于预设门限。所述算法首先将优化问题分解为上下两个子层；然后在τ可行区下界附近选取第一二插值点，基于其连线斜率选取第三插值点；其次令插值函数导数为零导出τ最优解最后将τ的最优解代入至下层进行优化，得到X和W的最优化解。本发明算法速度优势明显并且精度仍能维持较高水平。
-
公开(公告)号：CN107770103A
公开(公告)日：2018-03-06
申请号：CN201710842297.X
申请日：2017-09-18
Applicant: 东南大学
IPC: H04L25/02 , H04B7/08 , H04B7/0413
Abstract: 本发明公开了一种基于SSOR迭代的大规模MIMO信号检测方法，该方法包括：(1)根据信道响应矩阵H构造MMSE检测矩阵T；(2)将检测矩阵T分解为矩阵T＝D+L+U，其中D表示T的对角矩阵，L代表T的严格下三角矩阵，U代表T的严格上三角矩阵，且U＝LH；(3)采用信道硬化现象对估计SSOR迭代算法的最优松弛系数；(4)根据矩阵D、L和最优松弛系数，采用SSOR迭代法对经接收端匹配滤波器输出的接收信号矩阵 进行检测得到发射信号估计值 本发明复杂度更低。
-
公开(公告)号：CN106817155A
公开(公告)日：2017-06-09
申请号：CN201710049022.0
申请日：2017-01-23
Applicant: 东南大学
IPC: H04B7/0413 , H04L25/02
Abstract: 本发明公开了一种基于加权Kapetyn级数展开的大规模MIMO低复杂度信道估计方法。首先采用Kapteyn级数展开法对Bayesian‑MMSE信道估计表达式中的信道协方差逆矩阵进行近似展开，将矩阵求逆运算转换成矩阵乘法和矩阵加法运算，接着对多项式每项系数采用加权方式来优化多项式展开，建立模型对加权系数向量α和β进行求解使得估计的均方误差最小化，利用α和β的求解结果对信道矩阵进行估计。实验结果表明随着多项式阶数的增大，基于加权Kapetyn级数展开的信道估计方法得到的MSE会收敛于MMSE方法，然而计算复杂度低于MMSE方法。对比与传统Taylor‑MMSE和Kapetyn级数展开信道估计方法，基于加权Kapetyn级数展开方法收敛到MMSE方法的速度更快。
-
Patent Agency Ranking
公开(公告)号：CN106330280A
公开(公告)日：2017-01-11
申请号：CN201610674353.9
申请日：2016-08-16
Applicant: 东南大学
IPC: H04B7/0456 , H04L25/02
CPC classification number: H04B7/0456 , H04L25/0204
Abstract: 本发明公开了一种大规模MIMO预编码方法，该方法包括：对大规模MIMO进行建模，获取信道矩阵；根据信道矩阵得到RZF预编码矩阵；采用截短Kapteyn级数对预编码矩阵中的逆矩阵进行估计，得到预编码估计矩阵；利用得到的预编码估计矩阵对发送信号进行预编码。在截短阶数相同的情况下，与基于截短Taylor级数的展开方法相比，本发明能获得更高的平均用户到达率。
-
公开(公告)号：CN106788644B
公开(公告)日：2020-07-14
申请号：CN201611254924.X
申请日：2016-12-30
Applicant: 东南大学
IPC: H04L25/02 , H04B7/0456 , H04B7/0413
Abstract: 本发明公开了一种基于改进的牛顿迭代法的大规模MIMO预编码方法。包括步骤如下：首先估计信道矩阵，通过得到的信道矩阵计算RZF预编码表达式。然后采用牛顿迭代法对RZF预编码算法中的逆矩阵进行估计，将矩阵求逆运算转化成矩阵加法和矩阵乘法运算，最后利用得到的预编码矩阵对发送信号进行预编码。改进的牛顿迭代法是构建高阶迭代式，将位于0附近的特征值经过变换，使其更加靠近1，1附近的特征值保持不变，从而加快牛顿迭代的收敛速度。实验结果表明，当迭代次数超过4次时，传统的牛顿迭代法的性能优于基于泰勒级数展开的逆矩阵估计算法。在迭代次数为2时，改进的牛顿迭代优化算法就已经能获得大约95％的RZF预编码平均用户到达率。
-
公开(公告)号：CN106533521B
公开(公告)日：2019-08-06
申请号：CN201611137148.5
申请日：2016-12-12
IPC: H04B7/0456 , H04B7/0426 , H04B7/0413
Abstract: 本发明提供了一种基于截短级数展开的LR‑RZF大规模MIMO系统预编码方法，首先建立基站到用户的下行链路信道模型，然后对信道矩阵采用LR技术进行变换，以及采用RZF技术得到LR‑RZF预编码算法，接着利用截短级数方法来代替矩阵求逆来降低求逆运算的复杂度。最后在最优SINR基础上求出截短级数的最优系数，并计算出移动用户的平均到达率。本发明主要针对的是大规模MIMO系统下行链路进行预编码,如何降低线性预编码RZF算法中矩阵求逆计算复杂度以及减少用户间干扰。
-
公开(公告)号：CN106330280B
公开(公告)日：2019-06-21
申请号：CN201610674353.9
申请日：2016-08-16
Applicant: 东南大学
IPC: H04B7/0456 , H04L25/02
Abstract: 本发明公开了一种大规模MIMO预编码方法，该方法包括：对大规模MIMO进行建模，获取信道矩阵；根据信道矩阵得到RZF预编码矩阵；采用截短Kapteyn级数对预编码矩阵中的逆矩阵进行估计，得到预编码估计矩阵；利用得到的预编码估计矩阵对发送信号进行预编码。在截短阶数相同的情况下，与基于截短Taylor级数的展开方法相比，本发明能获得更高的平均用户到达率。
-
公开(公告)号：CN106788644A
公开(公告)日：2017-05-31
申请号：CN201611254924.X
申请日：2016-12-30
Applicant: 东南大学
IPC: H04B7/0456 , H04B7/0413 , H04L25/02
Abstract: 本发明公开了一种基于改进的牛顿迭代法的大规模MIMO预编码方法。包括步骤如下：首先估计信道矩阵，通过得到的信道矩阵计算RZF预编码表达式。然后采用牛顿迭代法对RZF预编码算法中的逆矩阵进行估计，将矩阵求逆运算转化成矩阵加法和矩阵乘法运算，最后利用得到的预编码矩阵对发送信号进行预编码。改进的牛顿迭代法是构建高阶迭代式，将位于0附近的特征值经过变换，使其更加靠近1，1附近的特征值保持不变，从而加快牛顿迭代的收敛速度。实验结果表明，当迭代次数超过4次时，传统的牛顿迭代法的性能优于基于泰勒级数展开的逆矩阵估计算法。在迭代次数为2时，改进的牛顿迭代优化算法就已经能获得大约95％的RZF预编码平均用户到达率。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.024 seconds)
