-
公开(公告)号:CN115865129A
公开(公告)日:2023-03-28
申请号:CN202211527067.1
申请日:2022-12-01
Applicant: 电子科技大学
IPC: H04B1/71
Abstract: 本发明属于无线通信和深度学习技术领域,具体涉及一种基于去噪自编码器的智能窄带干扰消除方法。本发明利用接收采样数据的时域相关性,通过LSTM和去噪自编码器对于时间序列信号的特征提取能力,将离线收集的窄带信号IQ两路样本输入到自编码器网络中进行训练,使自编码器网络学习到信号时域特征,进而重构出未加干扰的时间序列。利用本发明提出的方法,接收机在将接收信号进行下变频,低通滤波,再分解成IQ两路过后,将IQ两路数据输入到自编码器网络中,网络输出即是消除干扰的信号。该方法只需引入一个自编码器神经网络模块,即可明显降低接收信号误码率,进而提升通信系统的性能。
-
公开(公告)号:CN109862567A
公开(公告)日:2019-06-07
申请号:CN201910241003.7
申请日:2019-03-28
Applicant: 电子科技大学
IPC: H04W16/04 , H04W16/14 , H04W74/02 , H04B17/382
Abstract: 本发明属于无线通信技术领域,涉及一种蜂窝移动通信系统接入非授权频谱的方法。本发明的目标是使蜂窝系统充分利用频谱中的空闲时间进行传输。空闲时间是指其他系统没有数据需要传输的时间,即当前缓冲区的包已经传输完成而新的数据包尚未达到。由于深度强化学习能够通过在复杂的数据中提取变化规律,进而实现在复杂动态环境中进行有效地决策,本发明提出利用深度强化学习对频谱占用情况进行分析和预测,然后根据频谱的繁忙程度自适应地调整蜂窝系统的接入策略。本发明无需各个运作在非授权频谱上的系统增加额外的控制信道或控制接口,通过深度强化学习频谱数据中的流量变化规律,实现在蜂窝系统在无需其他系统信息情况下的智能频谱接入方案。
-
公开(公告)号:CN109698741A
公开(公告)日:2019-04-30
申请号:CN201811540407.8
申请日:2018-12-17
Applicant: 电子科技大学
Abstract: 本发明属于无线通信技术领域,涉及一种新型的全双工通信发送机与接收机设计方法。本发明提出一种直接对全双工系统接收天线接收到N个信号点之后直接进行聚类的信号检测方法。具体而言,接收信号会形成M1M2个簇。通过标记符号指明信号簇与发送符号组合之间的对应关系,从而恢复出发送符号。本发明的有益效果为:本发明的方法直接对接收天线接收到的信号进行聚类,并利用发送的标记符号,来标记聚成的信号簇。本发明所提出的方法可大大提高全双工系统的检测性能,且不需要复杂繁琐的信道估计和数字域的残余自干扰抑制步骤。
-
公开(公告)号:CN106211320A
公开(公告)日:2016-12-07
申请号:CN201610597645.7
申请日:2016-07-26
Applicant: 电子科技大学
CPC classification number: H04W64/00 , H04W52/08 , H04W52/143
Abstract: 本发明公开一种用于异构网中宏基站与用户间距离的被动式估计方法,微基站SBS只需要对自身监听到的所有信噪比SNR进行排序并取中位数就能估计出宏系统基站到用户间的距离d0。传统的估计方法中,d0只能在宏基站和宏用户估计。通过宏系统到SBS的反馈链路,宏系统将d0发送给SBS。因此与传统的d0估计方法相比,本发明不需要宏系统到SBS的反馈链路。并且,无线信道中的阴影衰落使得收发机之间的信道产生剧烈变化。这使得SBS估计d0变得异常困难。本发明考虑了阴影衰落对无线信道的影响,提出了一种简单的d0估计器。实验仿真证明,该估计器具有较好的估计性能。
-
公开(公告)号:CN106130937A
公开(公告)日:2016-11-16
申请号:CN201610538731.0
申请日:2016-07-08
Applicant: 电子科技大学
CPC classification number: H04W52/08 , H04L25/0202 , H04W52/143 , H04W72/0473 , H04W72/08
Abstract: 本发明公开一种基于中位数准则的主系统收发机间信道增益估计方法,CT能在不存在主系统到自身之间反馈链路的条件下估计出信道增益,本发明的方法主要通过监听多个独立SNR,得到多个独立SNR的中位数,并且利用该中位数与CG之间的数学关系估计CG;本发明的方法具有较低的估计误差,因此与传统的CG估计方法相比,本发明具有更低的复杂度和更好的估计性能。
-
公开(公告)号:CN102790995A
公开(公告)日:2012-11-21
申请号:CN201210290846.4
申请日:2012-08-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于认知无线电的信道增益估计方法,本发明的方法中认知用户主动充当主用户的中继,将接收、放大后的主用户信号作为探测信号向主用户接收端转发,通过提高主用户接收端的信噪比来触发主用户的闭环功率控制,最后认知用户根据观测到的主用户信号的信噪比变化不仅能估计出两个交叉信道的信道增益,还能估计出主用户信道的信道增益,该信息使认知用户之间的平均信道容量有了较明显的提高,同时由于本发明的方法中认知用户利用放大后的主用户信号作为探测信号,因此本发明还在平均意义上避免了探测过程中认知用户对主用户的干扰。
-
公开(公告)号:CN115865129B
公开(公告)日:2024-03-29
申请号:CN202211527067.1
申请日:2022-12-01
Applicant: 电子科技大学
IPC: H04B1/71
Abstract: 本发明属于无线通信和深度学习技术领域,具体涉及一种基于去噪自编码器的智能窄带干扰消除方法。本发明利用接收采样数据的时域相关性,通过LSTM和去噪自编码器对于时间序列信号的特征提取能力,将离线收集的窄带信号IQ两路样本输入到自编码器网络中进行训练,使自编码器网络学习到信号时域特征,进而重构出未加干扰的时间序列。利用本发明提出的方法,接收机在将接收信号进行下变频,低通滤波,再分解成IQ两路过后,将IQ两路数据输入到自编码器网络中,网络输出即是消除干扰的信号。该方法只需引入一个自编码器神经网络模块,即可明显降低接收信号误码率,进而提升通信系统的性能。
-
公开(公告)号:CN117560042A
公开(公告)日:2024-02-13
申请号:CN202311320273.X
申请日:2023-10-12
Applicant: 电子科技大学
IPC: H04B7/0408 , H04B7/06 , H04B7/08 , H04B17/336 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明属于无线通信和深度学习技术领域,具体涉及一种基于深度神经网络和多峰波束的智能波束训练方法。本发明的主要思想在于,通过对窄波束索引进行二进制编码,可以构建多个多峰宽波束。然后,经过精心设计和训练的深度神经网络(Deep Neural Network,DNN)将多峰宽波束的探测信噪比(Signal to Noise Ratio,SNR)解码为最佳窄波束索引。有了训练好的DNN,只要将多峰宽波束的探测信噪比输入DNN,就能在线识别出最佳窄波束。仿真结果表明,本发明在开销和吞吐量方面都优于现有技术。
-
公开(公告)号:CN116847446A
公开(公告)日:2023-10-03
申请号:CN202310713872.1
申请日:2023-06-15
Applicant: 电子科技大学
Abstract: 本发明属于无线通信和深度强化学习技术领域,具体涉及一种基于智能云边协同的异构网高能效功率控制方法。本发明设定目标为在一个典型异构网络中优化基站的发射功率以此最大化网络的全局能量效率。通过建立目标优化模型,本发明提出一种轻量级云端‑边缘协同的框架,其中云端可以只从边缘基站收集数据速率和能量损耗信息然后反馈所计算的全局奖励到边缘基站。此外,本发明开发了一种多智能体独立行动者评判家算法,从而每个基站可以独立实时的优化发射功率策略。利用本发明提出的算法,边缘基站可以仅基于本地信息配置发射功率,并借助云端反馈的全局奖励优化策略,最终可以达到与传统优化算法相近的全局能量效率性能并大幅降低时间复杂度。
-
公开(公告)号:CN115426007A
公开(公告)日:2022-12-02
申请号:CN202211004602.5
申请日:2022-08-22
Applicant: 电子科技大学
IPC: H04B7/0404 , H04B7/06 , H04B7/08 , H04B17/336 , G06N3/04 , G06N3/08
Abstract: 本发明属于无线通信和深度学习技术领域,具体涉及一种基于深度卷积网络的智能波束对准方法。本发明通过找到一种可以明确表征不同波束之间空间相关性的方法,并利用这种空间相关性在波束空间中选择固定的波束子集,再通过利用深度卷积神经网络强大的特征提取及表征能力,将离线收集的波束子集的信噪比输入到深度卷积神经网络中进行波束训练,进而深度卷积网络可以推断出最优波束。利用本发明提出的方法,接入点不需要探测整个波束空间,只需要探测少量固定的波束,就可以准确的推断出当前时刻与用户设备通信的最优波束,完成严格的波束对准,在降低系统的开销的同时提高吞吐量性能。
-
-
-
-
-
-
-
-
-