公开(公告)号：CN116094562A

公开(公告)日：2023-05-09

申请号：CN202211659110.X

申请日：2022-12-22

Applicant: 北京邮电大学

Inventor： 李立华 ,  纪璇

IPC: H04B7/08 ,  H04B7/0413 ,  G06F17/10 ,  G06F17/16

Abstract: 本发明提供一种mMIMO系统的信号检测方法、装置及电子设备，所述方法包括：利用FS‑Net模型对接收信号进行分析，获取发送信号的估计值以及信号量化解；其中，接收信号为发送端发出的发送信号经信道传输至接收端接收得到的；基于R3TS算法对发送信号估计值和信号量化解进行计算，获取发送信号最终估计解。通过将接收信号输入FS‑Net模型，利用FS‑Net模型输出较高精度的发送信号估计值和信号量化解，基于信号量化解作为R3TS算法的搜索起点获取发送信号最终估计解，R3TS算法进一步提高信号检测的精度且复杂度低。通过结合FS‑Net模型和R3TS算法来进行信号检测，实现低复杂度且性能近似最优。

公开(公告)号：CN116505982A

公开(公告)日：2023-07-28

申请号：CN202310496824.1

申请日：2023-05-05

Applicant: 北京邮电大学

Inventor： 李立华 ,  纪璇

IPC: H04B7/0413 ,  H04L25/02 ,  H04B17/309

Abstract: 本发明公开了一种高阶调制的大规模MIMO系统下的深度学习信号检测方法，是一种在高阶调制下大规模多输入多输出mMIMO系统中，信道状态信息CSI未知的情况下，基于深度学习DL技术的低复杂度的性能近似最优的信号检测方案，在DeepSIC方案的基础上，一方面引入残差网络ResNet以提高深层网络信号检测的性能，另一方面简化网络结构以降低计算复杂度，进而实现提升性能并降低复杂度的目的。由于不发送导频信号，避免传统方法中CSI必须已知的条件，且不需要假设特定的信道模型，实现CSI未知下的高精度的信号检测，同时在提高性能的基础上，降低信号检测方案的计算复杂度。