-
公开(公告)号：CN107204838A
公开(公告)日：2017-09-26
申请号：CN201610158333.6
申请日：2016-03-18
Applicant: 北京邮电大学
IPC: H04L5/00 , H04L25/02 , H04W72/12 , H04B7/0452
Abstract: 本发明实施例提供一种基于时空导频调度的信道估计方法及装置。该方法包括：从时域将蜂窝网络中的所有小区分为第一集合和第二集合；对于同一集合内的小区以各相邻的小区为第一目标小区和第二目标小区，对于第一目标小区内的每个第一用户，遍历第二目标小区中的各个第二用户，并计算第一用户与第二用户之间的网络效用函数值，当网络效用函数值最小时，确定第二用户调度的导频序列为第一用户调度的导频序列。本发明实施例从时域将蜂窝网络中的所有小区分为第一集合和第二集合，从空域上通过相邻小区中用户之间的干扰最小，确定出相邻小区中调度相同的导频序列的用户，同时从时域和空域有效降低了导频污染，从而降低了信道估计的均方误差。
-
公开(公告)号：CN106385274B
公开(公告)日：2019-12-27
申请号：CN201610811493.6
申请日：2016-09-08
Applicant: 北京邮电大学
IPC: H04B7/0413 , H04L5/00
Abstract: 本发明实施例提供了一种大规模MIMO系统中导频分配的方法及装置，方法包括：将蜂窝移动网络中的小区划分为三个或者四个小区分组，使蜂窝移动网络中的相邻小区分别属于不同的小区分组；获取待处理的当前小区；根据当前小区中各用户的信道质量，对当前小区中的用户进行排序，得到排序后的用户列表；根据当前小区中各用户受到的导频干扰量，对当前小区中各用户分别使用的导频序列进行排序，得到排序后的导频序列列表；按照预设的分配规则，将导频序列列表中的各导频序列分别重新分配给用户列表中的各用户。应用本发明实施例既能消除不同组小区之间的导频污染，又能进一步减少同组小区之间的导频污染，提升大规模MIMO系统的通信性能。
-
Patent Agency Ranking
公开(公告)号：CN103227761B
公开(公告)日：2017-02-08
申请号：CN201310196377.4
申请日：2013-05-24
Applicant: 北京邮电大学
Abstract: 本发明提出了一种多径非高斯噪声信道的信道估计算法，设计了一种联合训练序列数据和观测数据的经验似然估计方法。首先，在信号接收端得到通过非高斯多径信道的观测数据，结合训练序列数据生成辅助变量；其次，依据Owen提出的经验似然理论，把估计问题转为非参数问题，即利用辅助变量生成一定限制条件下的非参数经验似然变量，采用拉格朗日法求解似然变量；最后，通过牛顿迭代算法获得不同信道估计值对应的经验似然值，取最大经验似然值对应的信道估计值即可。以混合加性高斯白噪声和脉冲噪声为例的多径信道估计的MSE和BER效果均很好。
-
公开(公告)号：CN106059972A
公开(公告)日：2016-10-26
申请号：CN201610353881.4
申请日：2016-05-25
Applicant: 北京邮电大学
CPC classification number: H04L27/0012 , H04B7/0413
Abstract: 本发明一种基于机器学习算法的MIMO相关信道下的调制识别方法，属于通信领域；具体步骤为：首先，将通信发射端的每个数据流分别采用空时编码，每个码字分别通过Nt根发射天线发射出去；然后，根据接收端的相关矩阵和发射端的相关矩阵计算MIMO信道矩阵H；根据MIMO信道矩阵H，计算每个接收天线上的接收信号并进行修正；最后，每根接收天线分别对修正后的信号进行特征提取，针对提取的特征值进行训练测试，计算出该样本属于的调制识别模式；优点在于：对非高斯信道的鲁棒性和泛化能力较强，通过参数迭代可实现更加复杂环境下的调制体制识别；通过提取高阶矩和高阶累积量的特征，在较高信噪比下，信号特征差异明显，便于机器学习算法的分类。
-
公开(公告)号：CN106059972B
公开(公告)日：2019-04-26
申请号：CN201610353881.4
申请日：2016-05-25
Applicant: 北京邮电大学
IPC: H04L27/00 , H04B7/0413
Abstract: 本发明一种基于机器学习算法的MIMO相关信道下的调制识别方法，属于通信领域；具体步骤为：首先，将通信发射端的每个数据流分别采用空时编码，每个码字分别通过Nt根发射天线发射出去；然后，根据接收端的相关矩阵和发射端的相关矩阵计算MIMO信道矩阵H；根据MIMO信道矩阵H，计算每个接收天线上的接收信号并进行修正；最后，每根接收天线分别对修正后的信号进行特征提取，针对提取的特征值进行训练测试，计算出该样本属于的调制识别模式；优点在于：对非高斯信道的鲁棒性和泛化能力较强，通过参数迭代可实现更加复杂环境下的调制体制识别；通过提取高阶矩和高阶累积量的特征，在较高信噪比下，信号特征差异明显，便于机器学习算法的分类。
-
公开(公告)号：CN106385274A
公开(公告)日：2017-02-08
申请号：CN201610811493.6
申请日：2016-09-08
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种大规模MIMO系统中导频分配的方法及装置，方法包括：将蜂窝移动网络中的小区划分为三个或者四个小区分组，使蜂窝移动网络中的相邻小区分别属于不同的小区分组；获取待处理的当前小区；根据当前小区中各用户的信道质量，对当前小区中的用户进行排序，得到排序后的用户列表；根据当前小区中各用户受到的导频干扰量，对当前小区中各用户分别使用的导频序列进行排序，得到排序后的导频序列列表；按照预设的分配规则，将导频序列列表中的各导频序列分别重新分配给用户列表中的各用户。应用本发明实施例既能消除不同组小区之间的导频污染，又能进一步减少同组小区之间的导频污染，提升大规模MIMO系统的通信性能。
-
公开(公告)号：CN103227761A
公开(公告)日：2013-07-31
申请号：CN201310196377.4
申请日：2013-05-24
Applicant: 北京邮电大学
Abstract: 本发明提出了一种多径非高斯噪声信道的信道估计算法，设计了一种联合训练序列数据和观测数据的经验似然估计方法。首先，在信号接收端得到通过非高斯多径信道的观测数据，结合训练序列数据生成辅助变量；其次，依据Owen提出的经验似然理论，把估计问题转为非参数问题，即利用辅助变量生成一定限制条件下的非参数经验似然变量，采用拉格朗日法求解似然变量；最后，通过牛顿迭代算法获得不同信道估计值对应的经验似然值，取最大经验似然值对应的信道估计值即可。以混合加性高斯白噪声和脉冲噪声为例的多径信道估计的MSE和BER效果均很好。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
