公开(公告)号：CN105610478A

公开(公告)日：2016-05-25

申请号：CN201610086442.1

申请日：2016-02-15

Applicant: 东南大学

Inventor： 黄永明 ,  何世文 ,  章建军 ,  张铖 ,  王海明

IPC: H04B7/04 ,  H04B7/02 ,  H04B7/06 ,  H04B7/08 ,  H04L5/00

CPC classification number: H04B7/0413 ,  H04B7/024 ,  H04B7/0617 ,  H04B7/0684 ,  H04B7/0695 ,  H04B7/088 ,  H04L5/0048

Abstract: 本发明公开了一种毫米波MIMO通信多子阵波束对准方法及装置，方法包括：（1）收发端分析各子阵对应的码书并据此进行空间划分，各个子阵从自己的码书中抽取码字形成相应的子码书，所抽取形成的子码书的并集能够覆盖原空间。（2）基于抽取的子码书，发送端使用多个波束发送信号，针对发送端的发送组合，接收端基于抽取的子码书同时使用多个波束接收信号。（3）利用训练阶段获取的信息，计算信道的主方向并进一步实现高效率、低复杂度的波束选择。本发明充分利用毫米波信道具有稀疏性这一特点，提出相应的多子阵协作训练框架及有效算法。分析与仿真实验均表明，本发明方法不仅极大地降低了训练开销及计算复杂度，而且与穷尽搜索算法相比，相应的性能损失很小。

公开(公告)号：CN119004093A

公开(公告)日：2024-11-22

申请号：CN202310565496.6

申请日：2023-05-18

Applicant: 中国移动通信有限公司研究院 ,  东南大学 ,  中国移动通信集团有限公司

Inventor： 吴杰 ,  黄永明 ,  张铖 ,  贾燚 ,  薛旭 ,  张凯 ,  尤肖虎

IPC: G06F18/214 ,  G06F18/24 ,  G06F16/215 ,  G06N3/04 ,  G06N3/092

Abstract: 本申请公开了一种模型训练方法、设备及可读存储介质，属于通信技术领域，该方法包括：根据第一策略获取第一数据；通过第一数据对初始模型进行训练，得到预训练模型；从网络获取第二数据；通过第二数据对所述预训练模型进行训练，得到目标模型；其中，所述第一策略是预先设定的策略，所述第一数据为离线数据，所述第二数据为在线数据。

公开(公告)号：CN118843206A

公开(公告)日：2024-10-25

申请号：CN202410871348.1

申请日：2024-07-01

Applicant: 东南大学

Inventor： 黄永明 ,  陈中元 ,  张铖 ,  孟帆

IPC: H04W72/512 ,  H04W72/0446 ,  H04W72/0453 ,  H04W72/50 ,  H04W28/24

Abstract: 本发明公开了一种面向时延SLA的智能无线接入网资源分配方法，属于无线通信领域，首先建立通过切片内资源分配最小化确定性流量时延抖动之和、并在此基础上通过切片间资源分配最大化eMBB业务吞吐量的优化问题。接着，将确定性流量时延抖动最小化问题转化为确定性时延下各个迷你时隙URLLC资源需求期望方差最小化问题，并设计启发式方法求解该问题。最后，设计深度强化学习优化算法，根据统计信道状态信息进行切片间资源分配的自适应调整，以提高eMBB吞吐量。本发明的方法具有复杂度较低、适应性强、性能优异特点。

公开(公告)号：CN113569672B

公开(公告)日：2024-09-10

申请号：CN202110803857.7

申请日：2021-07-16

Applicant: 国网电力科学研究院有限公司 ,  南京南瑞信息通信科技有限公司 ,  国网浙江省电力有限公司 ,  国网浙江省电力有限公司信息通信分公司 ,  东南大学 ,  国家电网有限公司

Inventor： 李洋 ,  蒋元晨 ,  郝悍勇 ,  龚亮亮 ,  胡阳 ,  周子纯 ,  袁逸凡 ,  丁忠林 ,  吕超 ,  张影 ,  汤亿则 ,  冯宝 ,  张铖

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种轻量级目标检测与故障识别方法、装置及系统，所述方法包括获取原始轻量级目标检测与故障识别网络模型；对所述原始轻量级目标检测与故障识别网络模型进行参数优化，获得优化轻量级目标检测与故障识别网络模型；利用所述优化轻量级目标检测与故障识别网络模型对接收到的电力巡检图像数据进行目标检测与故障识别。本发明实现网络的轻量化设计，以取得检测速率与检测精度的良好折中。

公开(公告)号：CN117792546A

公开(公告)日：2024-03-29

申请号：CN202410006694.3

申请日：2024-01-03

Applicant: 东南大学

Inventor： 王正 ,  陈啟强 ,  颜斌 ,  张铖 ,  黄永明

IPC: H04B17/391 ,  H04B7/0413

Abstract: 本发明公开了一种基于通用递归最小二乘的分布式MIMO信号检测方法及系统，包括初始化通用递归最小二乘算法的相关参数，相关参数包括估计向量、信道逆矩阵和对角化参数C0；对于前C0个分布式单元，基于无天线约束的通用递归最小二乘算法，不断利用上一个信道逆矩阵和估计向量，以及本地信道矩阵和接收信号对估计向量和信道逆矩阵进行更新；对于后C‑C0个分布式单元，基于MIMO系统的信道硬化特性对通用递归最小二乘算法进行简化，不断利用上一个信道逆矩阵和估计向量，以及本地信道矩阵和接收信号对估计向量进行更新；利用中央处理器对最终获得的当前估计向量进行量化处理。本发明能够实现性能、复杂度和带宽的优良折中，适配多种MIMO系统的实际应用场景。

公开(公告)号：CN114745032B

公开(公告)日：2024-02-09

申请号：CN202210353306.X

申请日：2022-04-06

Applicant: 东南大学

Inventor： 张铖 ,  徐琴珍 ,  张筱进 ,  何梦晴 ,  黄永明 ,  杨绿溪

IPC: H04B7/0413 ,  H04B7/0426 ,  H04B7/0456 ,  H04B7/06

Abstract: 本发明公开了一种无蜂窝大规模MIMO智能分布式波束选择方法。各基站训练本地无监督网络，基于完整信道状态信息的低开销表征，如同步信号块波束的接收信号强度指示，进行波束空间的压缩，提高波束选择的效率；将各基站划分为多个包含少量共有基站的局部协作集，并利用博弈等分布式算法，实现低开销联合波束选择；结果进一步返回各基站，利用有监督学习实现基于本地低开销信道表征的自主波束选择。本发明利用无监督学习压缩波束空间，而非直接映射波束选择，可显著降低学习难度。同时，引入局部协作集并利用分布式算法执行有效的联合波束选择，可为无监督学习提供有效的训练损失函数，同时提供显式标签帮助系统实现分布式联合波束选择。

公开(公告)号：CN116963127A

公开(公告)日：2023-10-27

申请号：CN202310913684.3

申请日：2023-07-24

Applicant: 东南大学

Inventor： 黄永明 ,  曹烨天 ,  张铖 ,  贾燚

IPC: H04W24/02 ,  H04W72/0457 ,  H04W72/56 ,  H04W72/0446 ,  G06N3/092 ,  G06N3/048 ,  H04L101/622

Abstract: 本发明公开一种RAN切片与MAC调度联合智能优化方法，应用于多切片多用户上行通信场景，至少包含：构建以最大化长期系统效用为目标的多时间尺度分层架构模型；构建大时间尺度深度强化学习以训练生成切片级RB资源分配策略，新型奖励剪辑方法以在轻量化系统中保障收敛性能，流量感知模块指导经验池采样加速收敛；构建小时间尺度各切片深度强化学习，训练生成各切片差异化MAC调度器超参策略；各切片在每个调度时隙按调度优先级分配RB资源至用户；双时间尺度深度强化学习交替训练至收敛。本发明充分利用强化学习在复杂系统的寻优能力，显著提升不同类型切片SLA满足率和系统频谱效率，有效实现高系统效用、轻量化、高鲁棒性的多切片多用户通信系统。

公开(公告)号：CN116232503A

公开(公告)日：2023-06-06

申请号：CN202310194318.7

申请日：2023-03-03

Applicant: 东南大学

Inventor： 张铖 ,  王玉倩 ,  刘畅 ,  黄永明 ,  杨绿溪

IPC: H04B17/391 ,  H04W24/06

Abstract: 本发明提供了一种信道时变统计辅助的交替训练方法，包括系统建模、交替训练、冗余训练、数据传输、天线训练顺序设置阶段，系统建模阶段构建系统传输模型与信道时变模型；交替训练阶段将训练与反馈阶段相互联结；冗余训练阶段在系统已满足不发生中断的条件时继续对天线进行训练；天线训练顺序设置阶段对下一时刻天线训练的顺序进行辅助设置；与已有交替训练方案相比，信道时变统计辅助的交替训练方案在不引起系统中断性能恶化的同时，进一步降低了系统的训练开销。

公开(公告)号：CN115801070A

公开(公告)日：2023-03-14

申请号：CN202210518234.X

申请日：2022-05-12

Applicant: 东南大学

Inventor： 黄永明 ,  胡梓炜 ,  陆昀程 ,  张铖

IPC: H04B7/0413 ,  H04B7/0456

Abstract: 本发明公开了一种基于深度学习的毫米波MIMO码本搜索方法，通过引入深度学习的方法将码本搜索问题转化为了多分类问题，采用了两种模型结构，将问题具体转化为了多标签分类问题与单标签多分类问题。在神经网络的训练阶段，将采集好的信道信息，以最大化频谱效率为目标，采用码本遍历的方法，得到最佳的模拟预编码器与组合器的索引，此索引便为对应信道信息的标签。将信道信息作为深度学习模型的输入，对应的模拟预编码器与组合器的索引作为模型的输出，对深度学习模型进行训练，直到训练完成。本发明不依赖于特定的码本，取得了接近于码本遍历方法的频谱效率，且能有效的减少计算复杂度，提高系统实时性。

公开(公告)号：CN115664471A

公开(公告)日：2023-01-31

申请号：CN202211057673.1

申请日：2022-08-31

Applicant: 东南大学

Inventor： 张铖 ,  黄永明 ,  陈乐明 ,  张璐佳 ,  俞菲

IPC: H04B7/024 ,  H04B7/0452 ,  H04B7/0456 ,  H04W24/02 ,  H04W24/06 ,  H04W72/044

Abstract: 本发明提供了基于宽学习的毫米波MIMO基站协作波束选择方法，针对多点协作毫米波MIMO场景的下行波束选择问题，借鉴纵向联邦学习框架，将原集中式的多基站上行宽波束响应与最佳传输窄波束的映射问题，通过垂直切割数据特征空间，转化为分布式学习问题，并设计了具体的基站协作分布式波束选择框架。通过挖掘训练过程中间参数的稀疏性，降低了前传链路的通信开销。设计协作模式下基站本地网络的增量式更新方式，有效降低了网络的更新复杂度。本发明充分利用分布式宽学习在小样本条件下挖掘多基站宽波束响应与传输窄波束响应关系的能力，可实现多基站协作毫米波MIMO系统的低开销波束选择，缓解当前方案对中央处理单元单一引擎性能及前传链路带宽的较高要求。