-
Patent Agency Ranking
公开(公告)号：CN114978254B
公开(公告)日：2024-01-19
申请号：CN202210519716.7
申请日：2022-05-12
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0456 , H04L27/26 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于OFDM系统的机器学习辅助低复杂度鲁棒预编码算法，为避免鲁棒预编码方法中的大量矩阵求逆运算和迭代运算，降低计算复杂度，搭建卷积神经网络以代替迭代运算。将信道状态信息作为输入，训练网络，从而拟合由信道状态信息到鲁棒预编码算法中关键参数拉格朗日乘子的非线性过程。通过拉格朗日乘子即可较为简单的获得最优预编码矩阵。与此同时，为了降低导频开销以及算法复杂度，仅选取上行探测时隙频谱范围内的部分子载波插入导频。同时，将本探测周期之前的三个探测周期所测量的信道状态信息同时输入神经网络中，使神经网络可以综合处理并对目前全频谱范围内子载波的预编码关键因子拉格朗日乘子实现预测和插值。
-
公开(公告)号：CN114900214B
公开(公告)日：2024-01-26
申请号：CN202210488206.8
申请日：2022-05-06
Applicant: 东南大学
IPC: H04B7/0456 , H04L25/02 , H04L27/26
Abstract: 本发明公开了一种基于OFDM系统的线性预编码方法，采用OFDM系统对信道进行正交频分复用，将信道转换为若干窄带子信道，考虑到各个子信道在预编码矩阵求解过程中的拉格朗日算子等参数在时间与频率方向上均为慢变，仅选取部分时间与频率方向上的子载波插入导频，分别获取必要的参数。运用获取到的已知频率点的参数，通过插值算法估计其余频率的信道参数，从而直接推算出所有的预编码矩阵。线性预编码算法采用插值法对未知子载波的信道参数进行估计，降低了算法的复杂度，提高了运算效率及实用性。线性预编码算法采用的OFDM技术在对抗频率选择性衰落或窄带干扰有巨大优势。
-
公开(公告)号：CN114900214A
公开(公告)日：2022-08-12
申请号：CN202210488206.8
申请日：2022-05-06
Applicant: 东南大学
IPC: H04B7/0456 , H04L25/02 , H04L27/26
Abstract: 本发明公开了一种基于OFDM系统的线性预编码方法，采用OFDM系统对信道进行正交频分复用，将信道转换为若干窄带子信道，考虑到各个子信道在预编码矩阵求解过程中的拉格朗日算子等参数在时间与频率方向上均为慢变，仅选取部分时间与频率方向上的子载波插入导频，分别获取必要的参数。运用获取到的已知频率点的参数，通过插值算法估计其余频率的信道参数，从而直接推算出所有的预编码矩阵。线性预编码算法采用插值法对未知子载波的信道参数进行估计，降低了算法的复杂度，提高了运算效率及实用性。线性预编码算法采用的OFDM技术在对抗频率选择性衰落或窄带干扰有巨大优势。
-
公开(公告)号：CN117060964A
公开(公告)日：2023-11-14
申请号：CN202311096503.9
申请日：2023-08-28
Applicant: 东南大学
Abstract: 本发明公开了一种低复杂度多智能超表面动态阈值相移设计方法，属于无线通信领域，用于发送端和接收端分别配置单天线并部署多个智能超表面的通信系统，通过计算发射端经各个智能超表面至接收端的各段电磁波波程；根据电磁波波程计算各个智能超表面上各单元的理想连续相移；选取其中一个智能超表面，通过遍历搜索得到其最优量化阈值；根据该智能超表面的最优量化阈值及经其他智能超表面的电磁波波程，计算其他智能超表面的最优量化阈值；利用各个智能超表面最优量化阈值将各单元理想连续相移转化为离散相移。该方法能够以较低的相移设计复杂度保证较高的接收信号能量，有效改善多智能超表面辅助单天线通信系统的信道质量，具有强实用性和高有效性。
-
公开(公告)号：CN114978254A
公开(公告)日：2022-08-30
申请号：CN202210519716.7
申请日：2022-05-12
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0456 , H04L27/26 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于OFDM系统的机器学习辅助低复杂度鲁棒预编码算法，为避免鲁棒预编码方法中的大量矩阵求逆运算和迭代运算，降低计算复杂度，搭建卷积神经网络以代替迭代运算。将信道状态信息作为输入，训练网络，从而拟合由信道状态信息到鲁棒预编码算法中关键参数拉格朗日乘子的非线性过程。通过拉格朗日乘子即可较为简单的获得最优预编码矩阵。与此同时，为了降低导频开销以及算法复杂度，仅选取上行探测时隙频谱范围内的部分子载波插入导频。同时，将本探测周期之前的三个探测周期所测量的信道状态信息同时输入神经网络中，使神经网络可以综合处理并对目前全频谱范围内子载波的预编码关键因子拉格朗日乘子实现预测和插值。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
