-
公开(公告)号：CN113783640B
公开(公告)日：2022-05-31
申请号：CN202111008222.4
申请日：2021-08-30
Applicant: 华中科技大学
IPC: H04B17/318 , H04W12/122
Abstract: 本发明公开了一种基于接收信号强度的导频污染攻击检测方法和系统，属于通信领域。包括以下步骤：设定虚警概率并计算基站上行训练阶段相对应的接收信号强度检测阈值；基站根据上行训练阶段的接收信号计算接收信号强度；判断接收信号强度与历史统计值的差值是否大于接收信号强度检测阈值，如果大于阈值，判断当前的接收信号中存在导频污染攻击；否则，认为当前的接收信号中不存在导频污染攻击。本发明能够解决物理层安全中导频污染攻击检测的问题，克服了现有检测方案中需要修改导频结构带来的实用性低的问题。并且本发明可以直接应用到现有的通信标准中。
-
公开(公告)号：CN113595666A
公开(公告)日：2021-11-02
申请号：CN202110788681.2
申请日：2021-07-13
Applicant: 华中科技大学
IPC: H04B17/391 , H04B7/0413 , G06N3/08 , G06N3/04
Abstract: 本发明公开大规模MIMO系统基于时频联合相关性的信道预测方法和系统，属于大规模MIMO无线通信领域。本发明根据实测数据的弱时域相关性和强频域相关性特点，提出了一种基于卷积长短期记忆网络的时频结合信道预测方法，Convolutional LSTM是一种能够同时提取时域和频域特征的深度学习模型，它通过输入的卷积结构提取信道的频域特征，同时利用内部LSTM结构来提取信道的时域特征，将频域上的信道特征应用于时域上的信道预测，从而达到时频联合的信道预测的效果。该方法同时结合时域和频域的特性来对信道进行预测，利用频域的强自相关性来提升时域预测的精度。与现有的仅利用时域相关性进行信道预测的方法相比，所提出的方法具有较高的信道预测的精度。
-
公开(公告)号：CN113572709B
公开(公告)日：2022-05-17
申请号：CN202110783911.6
申请日：2021-07-12
Applicant: 华中科技大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO系统中基站端导频辅助信道估计方法和系统，属于大规模MIMO无线通信领域。本发明根据信道数据在频域的强自相关特性，提出了一种大规模MIMO系统中基站端导频辅助信道估计方法，根据一些已知频点的CSI来恢复出所有频点上的CSI。采用的方法是图像处理领域里面的一种利用低分辨率图像重构出高分辨率图像的方法，将CSI看作是图像中的一个像素点，每个时刻上所有频点的CSI为一幅图像，利用其中一些已知频点上的CSI输入卷积残差网络模型来重构出所有频点上的CSI。该方法只需在频域上使用少数的导频信号，通过插值的方法可以恢复出所有频点上的CSI，并且能够保证较高的信道估计精度，有效地提升了系统的频谱利用效率和数据传输速率。
-
公开(公告)号：CN112672325B
公开(公告)日：2022-04-19
申请号：CN202011514231.6
申请日：2020-12-21
Applicant: 华中科技大学
Abstract: 本发明公开了LoRa系统多设备上行数据传输接收端信号解调方法和接收机，属于通信技术领域。本发明对接收信号欠采样并变换到最优分数域，每个设备的每一径信号在最优分数域中均对应一个特定位置特定幅度的脉冲。由于设备多径参数的独特性，可将设备的多径参数作为区分不同设备信号的特征，利用各设备的多径时延和多径衰减构造对应的特征窗，特征窗中的特征位置对应该设备的多径时延，特征位置上的幅度对应着多径衰减。通过特征窗在接收信号的最优分数域内进行滑动匹配，匹配成功时，特征窗所在的最优分数域位置即对应着当前特征窗对应的设备信号，从而完成信号的分离解调，使得LoRa系统中多个用户可以共用相同的SF和频带，显著提升了LoRa中的频谱利用率。
-
公开(公告)号：CN113572709A
公开(公告)日：2021-10-29
申请号：CN202110783911.6
申请日：2021-07-12
Applicant: 华中科技大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO系统中基站端导频辅助信道估计方法和系统，属于大规模MIMO无线通信领域。本发明根据信道数据在频域的强自相关特性，提出了一种大规模MIMO系统中基站端导频辅助信道估计方法，根据一些已知频点的CSI来恢复出所有频点上的CSI。采用的方法是图像处理领域里面的一种利用低分辨率图像重构出高分辨率图像的方法，将CSI看作是图像中的一个像素点，每个时刻上所有频点的CSI为一幅图像，利用其中一些已知频点上的CSI输入卷积残差网络模型来重构出所有频点上的CSI。该方法只需在频域上使用少数的导频信号，通过插值的方法可以恢复出所有频点上的CSI，并且能够保证较高的信道估计精度，有效地提升了系统的频谱利用效率和数据传输速率。
-
Patent Agency Ranking
公开(公告)号：CN113507710B
公开(公告)日：2022-06-14
申请号：CN202110869757.4
申请日：2021-07-30
Applicant: 华中科技大学
IPC: H04W12/122
Abstract: 本发明公开了一种NOMA场景下的导频污染攻击信道去污方法，根据NOMA用户对基于双阶段训练传输协议发送的导频序列确定基站的接收信号，根据所述接收信号对信道进行估计，提取并基于信道的空间特征对信道进行去污，在不修改导频结构的前提下，利用不同训练阶段的接收信号的投影结果，解决NOMA场景下物理层安全中导频污染攻击导致的信道污染问题，具有信道去污能力强等、可靠性高等优点；与现有的方法相比，不需要合法用户信道的历史统计信息，也无需引入随机导频或者利用信道的角度域聚簇性，具有较高的可实施性。
-
公开(公告)号：CN113507710A
公开(公告)日：2021-10-15
申请号：CN202110869757.4
申请日：2021-07-30
Applicant: 华中科技大学
IPC: H04W12/122
Abstract: 本发明公开了一种NOMA场景下的导频污染攻击信道去污方法，根据NOMA用户对基于双阶段训练传输协议发送的导频序列确定基站的接收信号，根据所述接收信号对信道进行估计，提取并基于信道的空间特征对信道进行去污，在不修改导频结构的前提下，利用不同训练阶段的接收信号的投影结果，解决NOMA场景下物理层安全中导频污染攻击导致的信道污染问题，具有信道去污能力强等、可靠性高等优点；与现有的方法相比，不需要合法用户信道的历史统计信息，也无需引入随机导频或者利用信道的角度域聚簇性，具有较高的可实施性。
-
公开(公告)号：CN112672325A
公开(公告)日：2021-04-16
申请号：CN202011514231.6
申请日：2020-12-21
Applicant: 华中科技大学
Abstract: 本发明公开了LoRa系统多设备上行数据传输接收端信号解调方法和接收机，属于通信技术领域。本发明对接收信号欠采样并变换到最优分数域，每个设备的每一径信号在最优分数域中均对应一个特定位置特定幅度的脉冲。由于设备多径参数的独特性，可将设备的多径参数作为区分不同设备信号的特征，利用各设备的多径时延和多径衰减构造对应的特征窗，特征窗中的特征位置对应该设备的多径时延，特征位置上的幅度对应着多径衰减。通过特征窗在接收信号的最优分数域内进行滑动匹配，匹配成功时，特征窗所在的最优分数域位置即对应着当前特征窗对应的设备信号，从而完成信号的分离解调，使得LoRa系统中多个用户可以共用相同的SF和频带，显著提升了LoRa中的频谱利用率。
-
公开(公告)号：CN110971546B
公开(公告)日：2021-03-26
申请号：CN201911099233.0
申请日：2019-11-12
Applicant: 华中科技大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO系统信道跟踪方法，构建了基于最优遗忘因子的信道跟踪模型的代价函数，遗忘因子是时变的，通过确定每一时刻遗忘因子的最优解，使得在每一时刻信道的跟踪误差最小，从而很好地适应了信道的随机变化，使得信道跟踪的准确度更高。与此同时，本发明所提出的方法根据信道参数中到达角和信道衰落系数的时变特性差异，将待跟踪信道参数进行分离处理，从而有效地减小了信道跟踪的复杂度，进而可以在满足计算复杂度较低的前提下准确地跟踪时变信道。
-
公开(公告)号：CN113595666B
公开(公告)日：2022-05-20
申请号：CN202110788681.2
申请日：2021-07-13
Applicant: 华中科技大学
IPC: H04B17/391 , H04B7/0413 , G06N3/08 , G06N3/04
Abstract: 本发明公开大规模MIMO系统基于时频联合相关性的信道预测方法和系统，属于大规模MIMO无线通信领域。本发明根据实测数据的弱时域相关性和强频域相关性特点，提出了一种基于卷积长短期记忆网络的时频结合信道预测方法，Convolutional LSTM是一种能够同时提取时域和频域特征的深度学习模型，它通过输入的卷积结构提取信道的频域特征，同时利用内部LSTM结构来提取信道的时域特征，将频域上的信道特征应用于时域上的信道预测，从而达到时频联合的信道预测的效果。该方法同时结合时域和频域的特性来对信道进行预测，利用频域的强自相关性来提升时域预测的精度。与现有的仅利用时域相关性进行信道预测的方法相比，所提出的方法具有较高的信道预测的精度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.015 seconds)
