-
公开(公告)号：CN112911610B
公开(公告)日：2022-07-12
申请号：CN202110102629.7
申请日：2021-01-25
Applicant: 东南大学
Abstract: 本发明公开了一种面向无线通信网络优化的信道波束图样拓展方法，首先，获取实际无线通信网络中的位置信息、工程参数以及通过波束训练得到的信道波束图样，对数据进行预处理，筛选合适的数据特征，并建立用于信道波束图样拓展的数据集。接着，建立由神经网络和多变量高斯过程回归模型串联而成的深度多变量高斯过程回归模型。然后，利用信道波束图样拓展数据集，根据负对数似然函数对深度多变量高斯过程回归模型进行训练，联合优化神经网络权重参数以及高斯过程回归超参数。最后，根据从无线通信网络中获取的新的位置信息和工程参数，利用得到的深度多变量高斯过程回归模型拓展得到对应的信道波束图样，可以有效实现信道波束图样拓展。
-
公开(公告)号：CN114826340B
公开(公告)日：2024-03-12
申请号：CN202210453421.4
申请日：2022-04-27
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0456 , H04B17/391
Abstract: 本发明公开了一种FDD无蜂窝MIMO系统的联合端口选择反馈方法。其特征在于，首先基站侧利用信道上下行角度互易性，根据上行侦听信号估计下行信道各端口的角度与平均功率，并以系统平均和速率为指标进行多协作基站的联合端口选择。平均和速率指标为信道端口角度与平均功率以及多基站端口选择的显式解析函数，可根据信道模型假设预先推导得到。进一步，提出一种基于EVD分解的端口系数线性压缩反馈方案，可挖掘基站间端口系数相关性对其进行有效降维。本发明充分利用FDD无蜂窝MIMO系统的信道特征，直接面向速率性能设计基站侧的联合端口选择，可有效提升端口选择效率；同时信道二阶统计量的使用可帮助用户侧有效降低反馈系数维度，进一步降低反馈开销。
-
公开(公告)号：CN114826340A
公开(公告)日：2022-07-29
申请号：CN202210453421.4
申请日：2022-04-27
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0456 , H04B17/391
Abstract: 本发明公开了一种FDD无蜂窝MIMO系统的联合端口选择反馈方法。其特征在于，首先基站侧利用信道上下行角度互易性，根据上行侦听信号估计下行信道各端口的角度与平均功率，并以系统平均和速率为指标进行多协作基站的联合端口选择。平均和速率指标为信道端口角度与平均功率以及多基站端口选择的显式解析函数，可根据信道模型假设预先推导得到。进一步，提出一种基于EVD分解的端口系数线性压缩反馈方案，可挖掘基站间端口系数相关性对其进行有效降维。本发明充分利用FDD无蜂窝MIMO系统的信道特征，直接面向速率性能设计基站侧的联合端口选择，可有效提升端口选择效率；同时信道二阶统计量的使用可帮助用户侧有效降低反馈系数维度，进一步降低反馈开销。
-
公开(公告)号：CN112911610A
公开(公告)日：2021-06-04
申请号：CN202110102629.7
申请日：2021-01-25
Applicant: 东南大学
Abstract: 本发明公开了一种面向无线通信网络优化的信道波束图样拓展方法，首先，获取实际无线通信网络中的位置信息、工程参数以及通过波束训练得到的信道波束图样，对数据进行预处理，筛选合适的数据特征，并建立用于信道波束图样拓展的数据集。接着，建立由神经网络和多变量高斯过程回归模型串联而成的深度多变量高斯过程回归模型。然后，利用信道波束图样拓展数据集，根据负对数似然函数对深度多变量高斯过程回归模型进行训练，联合优化神经网络权重参数以及高斯过程回归超参数。最后，根据从无线通信网络中获取的新的位置信息和工程参数，利用得到的深度多变量高斯过程回归模型拓展得到对应的信道波束图样，可以有效实现信道波束图样拓展。
-
-
-
Search Results
4
records
(took 0.012 seconds)
