-
公开(公告)号:CN116318291A
公开(公告)日:2023-06-23
申请号:CN202310295947.9
申请日:2023-03-24
Applicant: 东南大学
IPC: H04B7/0456 , H04B7/0413 , H04B17/391 , G06N3/08
Abstract: 本发明公开了一种基于共轭梯度法的大规模MIMO深度展开预编码方法及装置,属于无线通信领域,其中,方法包括:获取下行空口信道向量和发射向量;将下行空口信道向量和发射向量输入预先训练好的非线性神经网络,得到预编码后的发射信号。非线性神经网络为对以共轭梯度算法中的步长为训练参数的深度展开多层非线性子网络和以接收机系数为训练参数的接收机处单层线性子网络进行组合,利用下行空口信道向量和发射向量训练集训练得到。将共轭梯度MMSE预编码算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,相比于数据驱动的“黑盒”DNN网络,该网络具有更好的泛化能力和可解释性。
-
公开(公告)号:CN113596860B
公开(公告)日:2022-08-19
申请号:CN202110863550.6
申请日:2021-07-29
Applicant: 东南大学
Abstract: 本发明公开了一种智能反射面OFDM系统的低开销反射波束优化方法,包括:构建初始优化问题,在该初始优化问题中,以最大化OFDM系统的信息传输速率为优化目标,且以智能反射面元件反射系数恒模为约束;引入辅助变量t,将初始优化问题等价转化为最小化问题;根据最小化问题,获取适用于MM算法的目标函数的上界;利用MM算法,迭代求解以上界为目标函数的替代优化问题,并且在每次迭代中得到闭合形式的解;当系统的可达信息传输速率收敛后,得到最优的智能反射面无源反射波束。相对于现有基于序贯凸近似的迭代优化方法,本发明能够显著降低算法计算复杂度,利于工程实现。
-
公开(公告)号:CN108882354B
公开(公告)日:2021-04-06
申请号:CN201810679963.7
申请日:2018-06-27
Applicant: 东南大学
Abstract: 本发明考虑一种基于能量效率的双跳全双工中继系统发射功率优化方法,通过构建以系统发射功率受限以及最低频谱效率受限为约束,最大化系统能量效率为目标的优化问题,联合优化信源发射功率以及中继发射功率。优化过程为首先固定信源发射功率,优化中继发射功率,然后固定中继发射功率,对信源发射功率进行优化,重复中继和信源发射功率的交替优化步骤,直至系统达到最大的能量效率。相对于基于频谱效率的传统方案,本发明能够有效提高系统能量速率,并且计算复杂度较低,利于工程实现。
-
公开(公告)号:CN107017932B
公开(公告)日:2020-06-30
申请号:CN201710332551.1
申请日:2017-05-12
Applicant: 东南大学
Abstract: 本发明公开了一种考虑发射信号畸变的全双工中继波束赋形优化方法,用于存在发射信号畸变的全双工多天线译码转发中继系统,采用迭代优化的方法,优化中继发射端和接收端的波束赋形矢量,从而最大化系统的传输速率。本发明能够有效提高存在发射信号畸变时的系统传输速率,计算复杂度较低,利于工程实现。
-
公开(公告)号:CN111132297A
公开(公告)日:2020-05-08
申请号:CN201911314897.4
申请日:2019-12-19
Applicant: 东南大学
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:CN110518945A
公开(公告)日:2019-11-29
申请号:CN201910768274.8
申请日:2019-08-20
Applicant: 东南大学
IPC: H04B7/0413 , H04B17/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习与SDR算法的MIMO检测方法及装置。该方法首先随机生成训练用的信道矩阵与发射信号,计算出对应的接收信号,然后利用现有的SDR算法,由接收信号与信道矩阵得到发射符号估计值。在训练阶段,将预先产生的信道矩阵和接收信号作为深度神经网络输入,将传统半定松弛检测得到的发射符号估计值作为深度神经网络输出,并采用均方误差作为训练代价函数。在MIMO检测阶段,将实际的信道矩阵和接收信号作为深度神经网络输入,根据训练阶段得到的网络参数输出检测结果。本发明检测性能接近半定松弛检测且能够有效降低传统半定松弛检测的在线计算复杂度,利于工程实现。
-
公开(公告)号:CN105978626B
公开(公告)日:2018-06-12
申请号:CN201610524537.7
申请日:2016-07-04
Applicant: 东南大学
IPC: H04B10/116 , H04L1/00 , H04L5/00 , H04L1/16
Abstract: 本发明公开了一种LED可见光通信在线自适应比特、功率分配和码率选择方法,首先在在线正常通信过程中对CRC校验正确的数据帧反编码和调制,接着利用较为准确EVM估计出信干噪比信息,CRC校验同时统计某段时间内的误帧率,判断其相应状态,然后通过等效信干噪比及相应算法选择编码码率、子载波调制策略和功率分配策略,实现了在线通信过程中,传输参数的自适应调整,提高传输效率与频谱利用率。在在线正常通信过程中,采用本发明方法,可以在保证通信可靠性以及总发射功率不变的条件下最大化传输速率,实现通信过程中传输参数随着信道条件的自适应调整,使得传输速率更接近信道容量,并提高了频谱利用率。
-
公开(公告)号:CN103986558B
公开(公告)日:2017-06-09
申请号:CN201410226784.X
申请日:2014-05-26
Applicant: 东南大学
Abstract: 本发明公开了一种蜂窝移动通信D2D系统中自适应协作传输方法,按如下步骤进行:首先估算出小区内参与协作的用户的多普勒频偏,获得信道延时相关系数;然后根据调度算法,确定参与协作传输的小区用户和D2D用户,基站确定协作将采用的传输模式;接着用户估计各自的信道信息,并将这些信息反馈给基站;最后在选中模式的预编码方案下进行数据传输。本发明能够有效的应用于实际场景中,在核心网的控制下,蜂窝移动通信系统中小区用户的频率资源共享给小区边缘用户进行设备到设备间的数据传输,以少量降低蜂窝通信系统的小区传输容量的代价,大幅提高小区边缘用户的可达传输速率,使得小区内平均频谱利用率提高。
-
公开(公告)号:CN105978626A
公开(公告)日:2016-09-28
申请号:CN201610524537.7
申请日:2016-07-04
Applicant: 东南大学
IPC: H04B10/116 , H04L1/00 , H04L5/00 , H04L1/16
CPC classification number: H04B10/116 , H04L1/0009 , H04L1/0028 , H04L1/1671 , H04L5/0044
Abstract: 本发明公开了一种LED可见光通信在线自适应比特、功率分配和码率选择方法,首先在线正常通信过程中对CRC校验正确的数据帧反编码和调制,接着利用较为准确EVM估计出信干噪比信息,CRC校验同时统计某段时间内的误帧率,判断其相应状态,然后通过等效信干噪比及相应算法选择编码码率、子载波调制策略和功率分配策略,实现了在线通信过程中,传输参数的自适应调整,提高传输效率与频谱利用率。在线正常通信过程中,采用本发明方法,可以在保证通信可靠性以及总发射功率不变的条件下最大化传输速率,实现通信过程中传输参数随着信道条件的自适应调整,使得传输速率更接近信道容量,并提高了频谱利用率。
-
公开(公告)号:CN105429709A
公开(公告)日:2016-03-23
申请号:CN201510766029.5
申请日:2015-11-11
Applicant: 东南大学
IPC: H04B10/50 , H04B10/116
CPC classification number: H04B10/116 , H04B10/5055
Abstract: 本发明公开了一种MU-MISO可见光通信系统迫零预编码矩阵确定方法,本发明根据MU-MISO可见光通信系统所需的误码率确定的误码参数,然后根据该误码参数以及MU-MISO可见光通信系统第k个用户的等效信道增益、第k个用户接收机噪声的标准差、信道矩阵、LED的最大发射光功率建立目标函数和其对应的约束条件,然后对目标函数进行优化求解,得到最佳迫零预编码矩阵W,与基于信道伪逆的传统迫零预编码方案相比,本发明在每个发射LED光功率均受限的场景下可获得显著的带宽利用率增益。
-
-
-
-
-
-
-
-
-