基于离线强化学习的以用户为中心的无蜂窝大规模MIMO功率分配方法

    公开(公告)号:CN115412134B

    公开(公告)日:2025-04-25

    申请号:CN202211051651.4

    申请日:2022-08-31

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于离线强化学习的以用户为中心的无蜂窝大规模MIMO功率分配方法,包括:构建以用户为中心的MIMO系统,建立无线接入点与部分用户之间的服务关系;将下行链路的功率控制系数作为优化参数提出问题并构建马尔可夫决策过程模型;建立DuelingDDQN网络并进行在线训练,存储在线训练过程中环境与网络交互产生的状态转移数据;取出在线数据集20%,并在损失函数中引入正则项对网络进行离线训练。“以用户为中心”的功率分配策略为无线接入点选择部分用户接入;本发明提出的离线算法降低了训练成本,仅需要部署在线训练数据集的20%的数据量进行训练,就可以实现在真实场景下离线、实时地调整功率控制系数。

    一种异步无蜂窝场景下的逐波束定时提前混合预编码方法

    公开(公告)号:CN119727813A

    公开(公告)日:2025-03-28

    申请号:CN202411922648.4

    申请日:2024-12-25

    Applicant: 东南大学

    Abstract: 本发明公开了一种异步无蜂窝场景下的逐波束定时提前混合预编码方法,在离散透镜阵列DLA混合预编码架构基础上,在选择网络之前,引入额外的逐波束定时提前单元,每个有源天线单元AAU预先获得其服务的每个用户终端UE到所有AAU的异步定时偏移量,每个AAU的每个射频RF链能够分配到一个特定的波束方向,每个方向指向不同的UE,进而每个RF链连接一个逐波束定时提前单元,根据异步定时偏移,调整每个波束的发送时间,以补偿异步时延,使得不同AAU分配给同一UE的波束同时到达,从而最小化期望信号的异步定时偏移量,并进一步采用可扩展的延迟相位数字预编码,有效缓解无蜂窝系统中的异步干扰问题。

    一种远距离高精度通感一体化探测波形设计方法

    公开(公告)号:CN119583283A

    公开(公告)日:2025-03-07

    申请号:CN202411758707.9

    申请日:2024-12-03

    Applicant: 东南大学

    Abstract: 本发明公开了一种远距离高精度通感一体化探测波形设计方法,包括如下步骤:步骤1、根据系统需要同时支持的感知波形数量需求,确定传输梳数量Ncomb;步骤2、根据感知的距离需求,生成可拓展广距通感信号,可拓展广距通感信号持续L符号;步骤3、根据运动目标的速度探测需求和典型的通信时隙配置,确定短周期Tps、短周期重复发射次数Lp,长周期Tpl,长周期重复发射次数Np;步骤4、完成预探测阶段的频域信号映射,按照频域连续的方式完成相邻L个OFDM符号的子载波映射;步骤5、完成预探测阶段的时域信号映射,将步骤4阶段的频域映射信号,按照配置的Tps周期重复发射Lp次;步骤6、完成探测阶段的频域信号映射,按照选用的梳分方式完成相邻L个OFDM符号的子载波映射;步骤7、完成探测阶段的时域信号映射,将步骤5阶段的频域映射信号,按照配置的长周期Tpl重复发射Np次。本发明能够解决通信波形用于感知的感知距离有限、距离模糊问题,满足广距范围内远近目标的距离速度高精度感知。

    基于终端辅助的低开销上下行信道互易性空口校准方法

    公开(公告)号:CN119363523A

    公开(公告)日:2025-01-24

    申请号:CN202411460664.6

    申请日:2024-10-18

    Abstract: 本申请公开了一种基于终端辅助的低开销上下行信道互易性空口校准方法,由远端无线单元发送频分正交的下行参考信号序列,终端接收到下行参考信号之后估计出下行信道,并根据下行参考信号的频域图样,将上行参考信号序列映射到不同的频域位置。终端根据不同频域位置的下行信道对上行参考信号序列加权后将上行参考信号序列发出,基站侧对上行参考信号进行信道估计与频域拟合插值,得到各天线的全频带校准系数。本申请无需中断业务传输,克服了基站自校准的缺陷,且终端无需上报信道信息,既保证了基站与终端通信的连续性,又没有上报开销,保证了参考信号正交性不被预处理破坏,能得出全频带的校准系数,又能对校准系数进行滤波,提高校准精度。

    一种通感一体化场景下联合预编码设计方法

    公开(公告)号:CN119316022A

    公开(公告)日:2025-01-14

    申请号:CN202411578507.5

    申请日:2024-11-07

    Applicant: 东南大学

    Abstract: 本发明公开了一种通感一体化场景下联合预编码设计方法。针对无蜂窝协作通感一体化系统,提出了一种基于无监督深度学习的联合预编码设计方案,包括:建立通感一体化场景中的信号与信道模型;构建深度展开的联合通信感知预编码设计网络;利用收集的训练数据,训练深度展开的联合通信感知预编码设计网络;在部署阶段,利用联合通信感知预编码设计网络输出优化算法流程参数,进而利用构建好的优化算法流程获取通感一体化场景不同时隙下的通信预编码向量和感知预编码向量。本发明充分利用深度学习驱动,抑制了无蜂窝协作通感一体化系统中相互耦合的、难以处理的各种干扰,克服了现有技术中算法复杂的问题,大大降低了计算开销。

    一种基于生成树算法的6G无蜂窝大规模MIMO信道校准方法

    公开(公告)号:CN115622639B

    公开(公告)日:2024-11-29

    申请号:CN202211127541.1

    申请日:2022-09-16

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于生成树算法的6G无蜂窝大规模MIMO信道校准方法,包括如下步骤:(1)构建TDD模式下的无蜂窝大规模MIMO通信系统,并建立信道模型;(2)面向收发机中RF链路失配导致的信道非互易性问题,以最小化信道校准系统相对误差的期望值为目标,提出空口信道校准问题;(3)基于AP内部信道间的大尺度衰落先验信息,利用树图模型描述无蜂窝通信系统中AP间的拓扑校准关系;(4)基于有向树拓扑图,求解最优信道校准树,基于信道校准树计算AP的校准系数。本发明的基于信道生成树的校准算法降低了通信开销,且无需用户辅助,降低了通信校准系统实现难度。与传统算法相比,所提算法具有更高的系统校准精度。

    活跃用户数量的确定方法、信息传输方法及装置

    公开(公告)号:CN118678484A

    公开(公告)日:2024-09-20

    申请号:CN202310269193.X

    申请日:2023-03-16

    Abstract: 本发明提供一种活跃用户数量的确定方法、信息传输方法及装置。该方法包括:基站发送第一码本的生成参数,所述生成参数包括随机数种子、稀疏码长度和压缩感知向量长度,所述第一码本是指将信道大尺度衰落系数的稀疏码与压缩感知向量形成映射关系的码本;所述基站接收目标终端发送的压缩感知向量,所述压缩感知向量为第一码本中的目标列向量,所述目标列向量的索引是根据目标信道大尺度稀疏向量中非零元素对应的索引确定的,所述目标信道大尺度稀疏向量是所述目标终端根据所述稀疏码长度生成的;根据所述压缩感知向量,获取与目标信道大尺度衰落系数对应的活跃用户数量,所述目标信道大尺度衰落系数为所述目标终端对应的信道大尺度衰落系数。

    一种增强稳定性的跨导提升线性功率放大器

    公开(公告)号:CN118611603A

    公开(公告)日:2024-09-06

    申请号:CN202410766177.6

    申请日:2024-06-14

    Applicant: 东南大学

    Abstract: 本发明公开了一种增强稳定性的跨导提升线性功率放大器。该功率放大器采用共源共栅结构,在共源级的栅极和漏极引入交叉电容中和技术提高增益和隔离度,在共栅级的栅极和源极引入跨导提升技术进一步提高增益和功率附加效率。为了解决跨导提升技术带来的稳定性问题,提出了一种漏源电容中和技术,有效地提高了整体放大器的稳定性。此外,在共源级、共栅级的中间节点和共栅级的栅极各自引入一个“电感‑电容‑电感”型的二次谐波陷波网络以抑制二次谐波,在宽带内有效地减轻了AM‑PM失真,提高了线性度。

    基于负载感知的网络辅助全双工模式优化方法

    公开(公告)号:CN114258138B

    公开(公告)日:2024-07-05

    申请号:CN202111562949.7

    申请日:2021-12-20

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于负载感知的网络辅助全双工无蜂窝大规模MIMO场景下双工模式优化方法,属于移动通信技术领域。该技术涉及两种智能算法,借助AI辅助算力,针对无蜂窝大规模MIMO场景下网络辅助全双工的上下行链路的资源利用效率最大化的问题,利用二元模式选择向量建模RAU(remote antenna unit,远端天线单元)工作模式为上行还是下行传输,给出集中式Q‑learning和分布式Q‑learning两种智能算法。本发明提出的智能算法可以适应实际中上下行用户数量多且随机移动的动态场景,复杂度较低,并且分布式Q‑learning算法比集中式Q‑learning算法具有更低的存储空间要求。

    一种均衡长期能效和网络稳定性的双工模式优化方法

    公开(公告)号:CN117997395A

    公开(公告)日:2024-05-07

    申请号:CN202410034281.6

    申请日:2024-01-10

    Applicant: 东南大学

    Abstract: 本发明公开了一种均衡长期能效和网络稳定性的双工模式优化方法。本发明针对网络辅助全双工(NAFD)无蜂窝大规模MIMO通信系统中的长期能效优化问题,同时保证网络稳定性。具体方案包括:建立NAFD无蜂窝大规模MIMO系统数学模型;建立长期能效优化问题的目标函数和约束条件;基于李雅普诺夫优化和漂移加罚方法,将系统长期能效优化问题转化为单时隙等价优化问题;采用基于强化学习的联合双工模式优化算法求解转化后的单时隙优化问题。该方法能够通过节点的双工模式选择和队列控制优化系统性能,在有效提高系统长期能效和网络稳定性之间实现均衡,使得NAFD无蜂窝大规模MIMO系统满足各种长期和瞬时服务质量需求,具有一定的实际价值。

Patent Agency Ranking