-
公开(公告)号：CN107017932A
公开(公告)日：2017-08-04
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：CN106788769A
公开(公告)日：2017-05-31
申请号：CN201611043376.6
申请日：2016-11-11
Applicant: 东南大学
IPC: H04B10/564 , H04B10/116
CPC classification number: H04B10/564 , H04B10/116
Abstract: 本发明公开了一种基于QoS的可见光通信非正交多址系统功率分配方法，将NOMA技术引入可见光通信系统的下行链路中，为保证接收机干扰抵消的有效性，NOMA系统要求为信道好的用户分配低功率，信道差的用户分配高功率，在发射信号满足正实数约束的条件下，优化不同用户的所分配的功率，使各用户达到最小速率时所消耗的总功率最小。本发明在保证系统服务质量的前提下，以最小化总功率为目标，对各用户功率进行分配，有效地减少了功率消耗，并且直接给出了功率分配的闭式解，极大地降低了计算复杂度，利于实现。
-
公开(公告)号：CN101964667B
公开(公告)日：2013-05-01
申请号：CN201010516375.5
申请日：2010-10-22
Applicant: 东南大学
Abstract: 一种用于长期演进方案的高效多天线检测方法，能适应LTETDD系统的多种应用场景，有较强的鲁棒性，对于高阶调制能以较低的复杂度获得近似最优的性能，且不需要对信道矩阵进行QR分解。该方法根据接收数据的信噪比大小安排数据检测顺序，保证第一个待检测数据有较高的信噪比，采用MMSE准则挑选出第一个待检测数据符号的候选符号值，使用简单的硬判决方法得到第二个待检测数据符号的候选符号值，再对最优候选符号向量进行比特翻转，增加用于计算比特软量的候选符号值，最终采用欧氏距离度量代替原来的平方欧氏距离度量，获得精确的比特软量提供给后级Turbo译码器进行译码。
-
公开(公告)号：CN102355295A
公开(公告)日：2012-02-15
申请号：CN201110234014.6
申请日：2011-08-16
Applicant: 东南大学
Abstract: 本发明公开了一种多天线正交频分复用系统的高效接收方法，该方法包括如下步骤：（1）检测当前分配给用户的数据流个数、调制方式和带宽大小；（2）如果数据流不超过四个，则采用遍历一层的固定复杂度球形译码；如果数据流超过四个，则根据带宽大小和调制方式确定检测算法：若调制方式为正交相移键控，则采用遍历两层的固定复杂度球形译码；若调制方式非正交相移键控的高阶调制且为最大带宽。本发明实施在数据流较多的情况下，根据带宽和调制方式自适应调整检测算法，显著提高低阶调制和未分配到最大带宽用户的性能，特别是双向固定球形译码算法具有性能优越复杂度低的优点，从而有效的利用硬件资源。
-
公开(公告)号：CN101964667A
公开(公告)日：2011-02-02
申请号：CN201010516375.5
申请日：2010-10-22
Applicant: 东南大学
Abstract: 一种用于长期演进方案的高效多天线检测方法，能适应LTETDD系统的多种应用场景，有较强的鲁棒性，对于高阶调制能以较低的复杂度获得近似最优的性能，且不需要对信道矩阵进行QR分解。该方法根据接收数据的信噪比大小安排数据检测顺序，保证第一个待检测数据有较高的信噪比，采用MMSE准则挑选出第一个待检测数据符号的候选符号值，使用简单的硬判决方法得到第二个待检测数据符号的候选符号值，再对最优候选符号向量进行比特翻转，增加用于计算比特软量的候选符号值，最终采用欧氏距离度量代替原来的平方欧氏距离度量，获得精确的比特软量提供给后级Turbo译码器进行译码。
-
Patent Agency Ranking
公开(公告)号：CN115695102B
公开(公告)日：2025-05-23
申请号：CN202211386272.0
申请日：2022-11-07
Applicant: 东南大学
IPC: H04L25/02 , H04L25/03 , H04B17/391
Abstract: 本发明公开了一种适用于时频双选信道的OFDM智能传输方法，该方法针对时频双选信道下的OFDM系统，主要包括如下步骤：(1)根据时频双选信道模型生成用于训练神经网络的信道数据集；(2)搭建线性神经网络，利用步骤(1)生成的信道数据训练网络权重，得到用于OFDM信号传输的发射和接收均衡矩阵，其中发射均衡矩阵满足发射端功率约束条件；(3)将该对均衡矩阵分别作用于OFDM系统的发射端和接收端；(4)接收端再利用等效信道矩阵的对角元进行单子载波均衡，从而恢复各子载波上的发射符号。本发明能够逼近最优子载波联合线性均衡性能，并能够显著降低最优子载波联合线性均衡的计算复杂度，利于工程实现。
-
公开(公告)号：CN115942318B
公开(公告)日：2025-05-20
申请号：CN202211413676.4
申请日：2022-11-11
Applicant: 东南大学
IPC: H04L25/02 , H04W12/121 , H04B7/0413
Abstract: 本发明公开了一种上行低精度ADC MIMO系统的干扰攻击检测方法，流程方法包括首先利用Bussgang分解将低精度ADC均匀量化过程线性化；在无干扰的假设下，利用MM算法迭代求解合法信道的最大似然估计值；在有干扰的假设下，利用MM算法分别求解合法信道和干扰相关阵的最大似然估计值；利用广义似然比检验准则得到干扰攻击检测量，比较检测门限与检测量大小，判断上行MIMO系统是否受到阻塞式干扰攻击。相比于现有的高精度ADC MIMO系统干扰攻击检测技术，本发明适用于更加复杂的低精度ADC MIMO系统场景，且能够以较低的复杂度实现优异的干扰攻击检测性能。
-
公开(公告)号：CN118870510A
公开(公告)日：2024-10-29
申请号：CN202410856811.5
申请日：2024-06-28
Applicant: 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司 , 东南大学
IPC: H04W64/00
Abstract: 本申请涉及基站定位技术领域，提供一种基站定位方法及装置。所述方法包括：将目标区域的参考信号接收功率RSRP分布图输入基站定位模型中，得到基站定位模型输出的目标区域的基站像素分布热力图；根据目标区域的基站像素分布热力图中的各像素的数值，得到目标区域中各基站的位置；基站定位模型是在Res‑UNET网络的基础上，通过任一区域的训练图片训练得到的，训练图片包括任一区域的电子地图、任一区域的RSRP分布图和任一区域的基站像素分布热力图。本申请提供的基站定位方法及装置一方面能够避免多种环境因素的影响，提高基站定位准确性，另一方面能够避免人工采集数据的影响，提高基站定位效率。
-
公开(公告)号：CN118074765A
公开(公告)日：2024-05-24
申请号：CN202410163265.7
申请日：2024-02-05
Applicant: 东南大学
IPC: H04B7/0426 , H04B7/0452 , H04B7/0456 , H04L25/02
Abstract: 本发明公开一种基于上下行对偶的多用户MIMO深度展开预编码方法与系统，该方法首先构建下行多用户MIMO优化问题，联合优化下行功率分配向量，发射预编码和接收矩阵，然后固定下行功率分配向量和发射预编码，获取下行接收矩阵最优结构，然后利用上下行对偶性获取上行功率分配向量，并将下行接收矩阵切换为上行发射预编码，固定上行功率分配向量和发射预编码，获取上行接收矩阵最优结构，利用上下行对偶性，将上行接收矩阵切换为下行发射预编码。接着对优化过程深度展开，搭建神经网络进行训练。最后利用训练好的模型在线计算下行用户的最优发射预编码和接收矩阵。本发明能在保证性能的同时显著降低算法的计算复杂度，利于工程实现。
-
公开(公告)号：CN114362884B
公开(公告)日：2024-03-12
申请号：CN202210009839.6
申请日：2022-01-06
Applicant: 东南大学
IPC: H04L1/00 , G06F17/16 , G06N3/0464 , G06N3/08 , H04B7/0413 , H04B7/08
Abstract: 本发明公开了一种利用软信息反馈的单比特大规模MIMO接收方法，包括：生成训练数据集；搭建ML阶段的深度展开神经网络，再使用训练数据集对该神经网络进行离线训练并得到LLR；搭建MAP阶段一次迭代的深度展开神经网络，再利用训练数据集与最新的LLR离线训练该神经网络并更新LLR；重复上一步骤直到达到最大迭代次数，得到MAP阶段一组训练好的神经网络；在线进行符号检测时，首先使用ML阶段训练好的神经网络得到初始LLR，接着按序使用MAP阶段所有训练好的神经网络不断更新LLR，最后输出符号检测结果。本发明能够在同等训练开销的前提下显著降低误比特率，并且在线计算复杂度较低，利于工程实现。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.02 seconds)
