基于深度学习的大规模MIMO下行预编码方法

    公开(公告)号:CN111865378B

    公开(公告)日:2021-06-11

    申请号:CN202010466502.9

    申请日:2020-05-28

    Applicant: 东南大学

    Abstract: 本发明公开了基于深度学习的大规模MIMO下行预编码方法,本发明中基站利用各用户终端的瞬时和统计信道信息,依据所有用户的遍历可达速率或其逼近的效用函数最大化准则,通过通用框架或低复杂度框架,计算与每一个用户终端相应的预编码向量进行下行预编码传输。该框架基于预编码向量最优解的结构:给定拉格朗日乘子,预编码向量的方向和功率可以分别表示为最大广义特征向量形式和闭式。通用框架通过深度神经网络计算最优拉格朗日乘子,进而通过最优解结构计算预编码向量;低复杂度框架将预编码问题分解为瞬时和统计两个子问题分别计算再组合。本发明能够使下行预编码达到近乎最佳的可达和速率性能,并具有较低的计算复杂度。

    一种OFDM系统闭环时频同步方法与装置

    公开(公告)号:CN110113285B

    公开(公告)日:2021-06-11

    申请号:CN201910368397.2

    申请日:2019-05-05

    Applicant: 东南大学

    Abstract: 本发明公开了一种OFDM系统闭环时频同步方法与装置,可以在既存在晶振误差引起的载波频偏,也存在多普勒频偏的通信场景下实现准确的时频同步。本发明利用通信系统随机接入过程的闭环机制,经过终端侧与基站侧之间的下行时频同步、上行随机接入过程后,可以准确地估计出多普勒频偏及晶振误差引起的频偏,并进行相应的频偏补偿。针对本发明涉及的下行同步和上行同步问题,具体给出利用同步序列和OFDM循环前缀结构的下行时频估计算法、利用随机接入信号的上行时频估计算法,所给时频估计算法均适用于大频偏环境。因此,本发明的闭环时频同步方法不仅适用于地面移动通信系统,也适用于采用OFDM技术的卫星移动通信系统等。

    基于深度学习的大规模MIMO下行预编码方法

    公开(公告)号:CN111865378A

    公开(公告)日:2020-10-30

    申请号:CN202010466502.9

    申请日:2020-05-28

    Applicant: 东南大学

    Abstract: 本发明公开了基于深度学习的大规模MIMO下行预编码方法,本发明中基站利用各用户终端的瞬时和统计信道信息,依据所有用户的遍历可达速率或其逼近的效用函数最大化准则,通过通用框架或低复杂度框架,计算与每一个用户终端相应的预编码向量进行下行预编码传输。该框架基于预编码向量最优解的结构:给定拉格朗日乘子,预编码向量的方向和功率可以分别表示为最大广义特征向量形式和闭式。通用框架通过深度神经网络计算最优拉格朗日乘子,进而通过最优解结构计算预编码向量;低复杂度框架将预编码问题分解为瞬时和统计两个子问题分别计算再组合。本发明能够使下行预编码达到近乎最佳的可达和速率性能,并具有较低的计算复杂度。

    能效最优的大规模MIMO下行单播波束域功率分配方法

    公开(公告)号:CN110166090B

    公开(公告)日:2020-08-25

    申请号:CN201910353902.6

    申请日:2019-04-29

    Applicant: 东南大学

    Abstract: 本发明提出了一种能效最优的大规模MIMO下行单播波束域功率分配方法。该方法中,基站配置大规模天线阵列,通过波束赋形生成覆盖整个小区的大规模波束集合。在单播通信阶段,基站根据各用户的统计信道信息实施能效最优的单播波束域功率分配。其中,能效最优的功率分配算法主要利用MM算法、确定性等同原理和Dinkelbech变换,通过迭代求解一系列凸‑凹分式规划问题获得局部最优的功率分配矩阵。每次迭代过程中,利用迭代注水算法求解分式方程获得凸‑凹分式规划问题的解。该功率分配结果随着波束域统计信道信息的变化而动态更新。本发明方法能够有效提高大规模MIMO下行单播通信的系统能效值,并且能显著降低能效最优的无线传输实现复杂度。

    一种人工噪声辅助的大规模MIMO安全统计预编码方法

    公开(公告)号:CN109981153B

    公开(公告)日:2020-08-07

    申请号:CN201910289299.X

    申请日:2019-04-11

    Applicant: 东南大学

    Abstract: 本发明提出了一种人工噪声辅助的大规模MIMO安全统计预编码方法。该方法中,小区基站配置大规模天线阵列,利用统一的酉变换矩阵对整个小区实现大规模波束覆盖。基站利用小区内合法用户和窃听用户的波束域统计信道信息,向信道注入人工噪声降低窃听用户的解码能力,并依据最大化系统可达遍历安全和速率下界为准则对发送给各合法用户的信号和发送给窃听用户的人工噪声进行统计预编码设计。在各合法用户和窃听用户移动过程中,基站间歇性获取统计信道信息,动态更新统计预编码结果。本发明解决了基站侧仅知道统计信道信息的波束域安全传输信号设计问题,降低了实现复杂度,同时人工噪声的引入提升了系统传输的安全性。

    一种人工噪声辅助的大规模MIMO安全统计预编码方法

    公开(公告)号:CN109981153A

    公开(公告)日:2019-07-05

    申请号:CN201910289299.X

    申请日:2019-04-11

    Applicant: 东南大学

    Abstract: 本发明提出了一种人工噪声辅助的大规模MIMO安全统计预编码方法。该方法中,小区基站配置大规模天线阵列,利用统一的酉变换矩阵对整个小区实现大规模波束覆盖。基站利用小区内合法用户和窃听用户的波束域统计信道信息,向信道注入人工噪声降低窃听用户的解码能力,并依据最大化系统可达遍历安全和速率下界为准则对发送给各合法用户的信号和发送给窃听用户的人工噪声进行统计预编码设计。在各合法用户和窃听用户移动过程中,基站间歇性获取统计信道信息,动态更新统计预编码结果。本发明解决了基站侧仅知道统计信道信息的波束域安全传输信号设计问题,降低了实现复杂度,同时人工噪声的引入提升了系统传输的安全性。

    低复杂度机器学习辅助鲁棒预编码方法及装置

    公开(公告)号:CN111541472A

    公开(公告)日:2020-08-14

    申请号:CN202010315003.X

    申请日:2020-04-21

    Applicant: 东南大学

    Abstract: 本发明提出了一种低复杂度机器学习辅助鲁棒预编码方法及装置。为了在大规模MIMO下行系统中,同时兼顾准静态信道场景和快变信道场景下的共信道干扰性能,本发明将不同类型的两种预编码矩阵加权,得到了一种具有鲁棒性的预编码方法。其中两个预编码矩阵分别基于瞬时信道预测结果和能量耦合矩阵产生,加权系数通过机器学习方法获得。本发明相比现有鲁棒预编码方法计算复杂度大幅降低,且在准静态信道环境下和快变信道环境下都能达到可接受的和速率性能。

    能效最优的大规模MIMO下行单播波束域功率分配方法

    公开(公告)号:CN110166090A

    公开(公告)日:2019-08-23

    申请号:CN201910353902.6

    申请日:2019-04-29

    Applicant: 东南大学

    Abstract: 本发明提出了一种能效最优的大规模MIMO下行单播波束域功率分配方法。该方法中,基站配置大规模天线阵列,通过波束赋形生成覆盖整个小区的大规模波束集合。在单播通信阶段,基站根据各用户的统计信道信息实施能效最优的单播波束域功率分配。其中,能效最优的功率分配算法主要利用MM算法、确定性等同原理和Dinkelbech变换,通过迭代求解一系列凸-凹分式规划问题获得局部最优的功率分配矩阵。每次迭代过程中,利用迭代注水算法求解分式方程获得凸-凹分式规划问题的解。该功率分配结果随着波束域统计信道信息的变化而动态更新。本发明方法能够有效提高大规模MIMO下行单播通信的系统能效值,并且能显著降低能效最优的无线传输实现复杂度。

    一种OFDM系统闭环时频同步方法与装置

    公开(公告)号:CN110113285A

    公开(公告)日:2019-08-09

    申请号:CN201910368397.2

    申请日:2019-05-05

    Applicant: 东南大学

    Abstract: 本发明公开了一种OFDM系统闭环时频同步方法与装置,可以在既存在晶振误差引起的载波频偏,也存在多普勒频偏的通信场景下实现准确的时频同步。本发明利用通信系统随机接入过程的闭环机制,经过终端侧与基站侧之间的下行时频同步、上行随机接入过程后,可以准确地估计出多普勒频偏及晶振误差引起的频偏,并进行相应的频偏补偿。针对本发明涉及的下行同步和上行同步问题,具体给出利用同步序列和OFDM循环前缀结构的下行时频估计算法、利用随机接入信号的上行时频估计算法,所给时频估计算法均适用于大频偏环境。因此,本发明的闭环时频同步方法不仅适用于地面移动通信系统,也适用于采用OFDM技术的卫星移动通信系统等。

    一种基于单指令多数据流的软件实现QC-LDPC译码方法

    公开(公告)号:CN110380735B

    公开(公告)日:2023-05-12

    申请号:CN201910549113.X

    申请日:2019-06-24

    Applicant: 东南大学

    Abstract: 本发明提出了一种基于单指令多数据流的软件实现QC‑LDPC译码方法。一方面,通过水平分层的译码方法和块内并行策略使QC‑LDPC译码过程可以在x86通用处理器上并行实现。另一方面,该译码方法采用SIMD指令集,译码器的并行度获得了大幅地提高,并在根据指令集在掩码处理方面的新特性对内存读写过程和预处理过程进行优化。本发明解决了QC‑LDPC译码器在x86平台上处理时延高及吞吐量不足的问题,在保证低时延的前提下,有效地提高了QC‑LDPC译码的吞吐量。

Patent Agency Ranking