公开(公告)号：CN117560252A

公开(公告)日：2024-02-13

申请号：CN202310985810.6

申请日：2023-08-07

Applicant: 中国电子科技集团有限公司电子科学研究院 ,  北京邮电大学

Inventor： 刘自理 ,  李婷婷 ,  杨子申 ,  李金洋 ,  陆泽健 ,  杨阳

IPC: H04L25/02 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请公开了一种基于深度学习的IRS信道估计方法及装置，包括：构建智能反射表面(IRS)辅助的通信系统，并建立所述通信系统中的链路模型；基于所建立的所述通信系统的链路模型，建立深度学习DL模型；利用预设训练样本对所建立的DL模型进行训练；对训练完成的DL模型，利用分离卷积代替传统的卷积操作，以优化所述DL模型；利用优化后的所述DL模型，确定最优的信道估计方案。本申请的方法在IRS辅助的无线通信系统中，利用DL的方法解决IRS‑MUC系统中信道的高维CSI估计问题。

公开(公告)号：CN116030328A

公开(公告)日：2023-04-28

申请号：CN202211696084.8

申请日：2022-12-28

Applicant: 北京邮电大学

Inventor： 赵国安 ,  张碧玲 ,  李金洋 ,  安春丽 ,  秦瑀聪

IPC: G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于时序和分类数据构建CNN训练图像数据的方法，包括：收集时序数据，对时序数据进行预处理，获取第一数据集，基于第一数据集构建初始图像数据，获得分类数据，并将初始图像数据与任一维度的分类数据合并成新的图像数据；构建CNN模型，基于新的图像数据和剩余的分类数据对CNN模型进行训练，获得训练好的CNN模型，基于训练好的CNN模型对图像数据的构造方式进行验证。本发明科学合理利用了可以获得的有限数据，较好地应用于CNN网络图像数据的构造，使得图像数据的潜在的信息更加丰富，便于CNN网络进行分类问题的训练，在相同模型的基础上提升了CNN网络预测的准确性和F1值，提升了模型的实际应用价值。