公开(公告)号：CN117353780A

公开(公告)日：2024-01-05

申请号：CN202311268280.X

申请日：2023-09-28

Applicant: 东南大学

Inventor： 王闻今 ,  王亚飞 ,  贺漩 ,  侯宏卫 ,  刘子钧 ,  易新平

IPC: H04B7/0456 ,  H04B7/06 ,  H04B7/0452 ,  H04L25/02

Abstract: 本发明公开了一种基于多维置换等变神经网络的预编码方法与系统，本发明在已知信道状态信息的基础上，以各个分布式接入点预编码功率作为约束，以最大化系统性能指标作为目标函数，构建预编码优化问题；将信道信息张量的实部和虚部以及噪声方差串联得到张量数据集；根据所获得的数据集和预编码优化问题，构建多维置换等变性神经网络并进行训练；使用所训练的多维置换等变神经网络来求解预编码优化问题得到预编码方案。本发明利用通信问题中固有的置换等变性构建神经网络并求解对应的预编码优化方案，大大降低了需要的参数量并提高了网络的可重用性，以极低的复杂度完成了对预编码优化问题的求解，进而提升了无线通信系统的性能。

公开(公告)号：CN117834349A

公开(公告)日：2024-04-05

申请号：CN202311706407.1

申请日：2023-12-13

Applicant: 东南大学

Inventor： 王闻今 ,  贺漩 ,  侯宏卫 ,  曹梦瑶 ,  房天昊 ,  刘子钧

IPC: H04L25/02

Abstract: 本发明公开了一种混合模型驱动与数据驱动的下行信道估计方法与系统，本发明方法包括：将下行空频域信道估计问题转换为角度时延域稀疏信号恢复问题；使用模型驱动的压缩感知算法得到角度时延域信道初步估计；通过所获得角度时延域信道初步估计与真实空频域信道获得数据集；根据过采样角度时延域维度特点构建角度时延域信道精细化网络并进行训练；使用所训练的角度时延域信道精细化网络对角度时延域信道初步估计进一步精细化；对所精细化的角度时延域信道使用二维傅里叶变换得到下行空频域信道估计结果。本发明联合利用模型驱动与数据驱动的优势来进行下行信道估计，大大提升了有限导频开销下下行信道估计的性能，进而提升了下行信道状态信息获取的准确性。