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

Inventor： 沈弘 ,  徐盼娟 ,  史雪璞 ,  赵春明

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：CN116743216A

公开(公告)日：2023-09-12

申请号：CN202310768323.4

申请日：2023-06-27

Applicant: 东南大学

Inventor： 沈弘 ,  史雪璞 ,  徐盼娟 ,  赵春明

IPC: H04B7/0413 ,  H04L1/20 ,  H04L25/02

Abstract: 本申请公开了一种基于ADMM的大规模MIMO深度展开软输出信号检测方法及装置，属于无线通信领域，方法包括：将上行空口信道矩阵和接收向量输入预先训练好的非线性神经网络，得到软输出信号检测后的发射比特概率。非线性神经网络为对以惩罚共享和共轭梯度迭代近似的交替方向乘子法中的惩罚参数以及步长为训练参数的深度展开多层非线性子网络和以对数似然比计算过程中的均衡后信道增益以及信干噪比为训练参数的单层软信息计算子网络进行组合得到。将惩罚共享和共轭梯度迭代近似的交替方向乘子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，具有更好的泛化能力和可解释性。

公开(公告)号：CN116582159A

公开(公告)日：2023-08-11

申请号：CN202310427929.1

申请日：2023-04-20

Applicant: 东南大学

Inventor： 沈弘 ,  徐盼娟 ,  赵春明

IPC: H04B7/0452 ,  H04B7/0408 ,  H04B7/06 ,  G06N3/088

Abstract: 本发明公开了一种基于CG深度展开的和速率最大化多用户MISO波束成形方法，该方法针对下行多用户MISO无线通信系统，包括如下步骤：1、构建总发射功率约束下最大化系统和速率的初始优化问题；2、利用强对偶性及KKT条件，获取发射波束成形向量的最优结构；3、利用共轭梯度迭代算法计算发射波束成形向量中的逆矩阵；4、生成训练神经网络所需要的训练数据集，利用深度展开搭建基于共轭梯度算法的无监督神经网络；5、基站采用步骤4离线训练得到的训练参数配置网络，并进行在线计算得到最优发射波束成形向量。相对于传统的WMMSE迭代方法，本发明能够在保证性能的同时显著降低算法的在线计算复杂度，利于工程实现。