-
公开(公告)号：CN116545560A
公开(公告)日：2023-08-04
申请号：CN202310610005.5
申请日：2023-05-26
Applicant: 南京邮电大学
IPC: H04B17/391 , H04B17/309 , H04B13/00 , H04W24/06
Abstract: 本发明公开了一种室内高频段无线体域网离体信道建模方法。针对发送端人体与接收端人体处于不同相对角度时对离体信道路径损耗造成的影响，本发明首先利用无线传播理论分析体对体相对角度对信道特性的影响；然后利用具有体对体相对角度有关的路径损耗指数、浮动截距以及由体对体相对角度变化引起的路径损耗来建立新型的路径损耗模型；最后使用最小二乘方法拟合确定所建模型的相关参数，使之能够更准确的表征实际通信场景的无线传播特性。与传统对数路径损耗模型相比，本发明由于考虑了体对体相对角度的影响更能贴近实际测量结果。
-
公开(公告)号：CN113285899A
公开(公告)日：2021-08-20
申请号：CN202110548774.8
申请日：2021-05-20
Applicant: 南京邮电大学
IPC: H04L25/02
Abstract: 本发明公开了一种基于深度学习的时变信道估计方法及系统，通过对网络输入样本进行合理构造，本发明基于单隐藏层神经网络，首先充分地利用历史信道信息中的信道变化特征，以及接收导频信号中的其他特征，并利用最小二乘估计的优势来进一步提高信道估计的性能，其次，本发明利用构造的样本对反向传播神经网络进行线下训练，然后以在线方式实时获取时变信道信息。为了降低计算复杂度，本发明仅采用了接收的导频信号与导频子信道的信息，并对导频子信道采用多项式基扩展模型建模来减少待估计参数进行时变信道估计。本发明可以显著地提高信道估计精度，具有较低的计算复杂度，适合于高速移动场景中时变信道信息的高效获取。
-
公开(公告)号：CN114598407A
公开(公告)日：2022-06-07
申请号：CN202210098075.2
申请日：2022-01-27
Applicant: 南京邮电大学
IPC: H04B17/391 , H04B17/309 , H04B13/00 , H04W16/22 , G06F30/18 , G06F111/02
Abstract: 本发明公开了一种室内高频段离体信道路径损耗的建模方法及装置，其方法包括：根据室内高频段离体信道传播特性，构建路径损耗初始模型；搭建室内高频段无线体域网离体信道的测试场景；获取天线接收端位于测试场景中的测量数据并计算平均路径损耗；根据平均路径损耗和对数距离损耗模型计算路径损耗指数值；根据路径损耗指数值和天线接收端高度通过最小二乘法拟合出路径损耗指数；根据路径损耗指数和路径损耗初始模型计算路径损耗模型；根据路径损耗模型获取的路径损耗模值和天线接收端高度通过最小二乘法拟合出路径损耗；根据路径损耗指数、路径损耗和路径损耗初始模型构建室内高频段离体信道路径损耗模型；本发明能够提高路径损耗模型的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113206809B
公开(公告)日：2022-11-15
申请号：CN202110479456.0
申请日：2021-04-30
Applicant: 南京邮电大学
Abstract: 本发明公开了无线通信技术领域内的一种联合深度学习与基扩展模型的信道预测方法,包括以下步骤：步骤1，根据历史时刻的信道信息获取信道的相关矩阵；步骤2，对相关矩阵进行特征值分解，获得最优基函数；步骤3，利用基扩展模型对信道进行建模；步骤4，基于历史接收的导频信号与最优基函数，获取基系数估计值；步骤5，根据基系数估计值构建训练样本集；步骤6，利用训练样本集训练BP神经网络；步骤7，获得具有最优权重和阈值的信道预测模型；步骤8，基于信道预测模型进行线上预测；步骤9，将基系数预测值转换成频域信道矩阵。本发明具有较低的计算复杂度，且具有较高的预测精度，适用于未来高速移动环境下时变信道信息的高效获取。
-
公开(公告)号：CN113179140A
公开(公告)日：2021-07-27
申请号：CN202110420127.9
申请日：2021-04-19
Applicant: 南京邮电大学
IPC: H04B17/309 , H04B17/391
Abstract: 本发明公开一种基于遮挡物衰减因子的高频段信道建模方法及装置。针对非视距场景下高频段传输时遮挡物对无线信道路径损耗的影响，本发明首先利用电磁场传播的基本理论去分析遮挡物对无线电波在传播过程中造成的影响；然后确定需要建模的目的参数：遮挡物衰减因子和路径损耗指数；根据典型的对数距离模型初始化遮挡物衰减因子模型的基本结构，通过分析目的变量在实际场景中由遮挡物位置不同对接收端造成的附加影响进行数学建模，使用最小均方误差拟合目的参数，得出本模型，使之能够更准确的表征现实通信场景中由于遮挡物的出现对终端信号的影响，相比传统模型，加入遮挡物的影响因子，更加贴近真实测量结果。
-
公开(公告)号：CN114598407B
公开(公告)日：2023-06-23
申请号：CN202210098075.2
申请日：2022-01-27
Applicant: 南京邮电大学
IPC: H04B17/391 , H04B17/309 , H04B13/00 , H04W16/22 , G06F30/18 , G06F111/02
Abstract: 本发明公开了一种室内高频段离体信道路径损耗的建模方法及装置，其方法包括：根据室内高频段离体信道传播特性，构建路径损耗初始模型；搭建室内高频段无线体域网离体信道的测试场景；获取天线接收端位于测试场景中的测量数据并计算平均路径损耗；根据平均路径损耗和对数距离损耗模型计算路径损耗指数值；根据路径损耗指数值和天线接收端高度通过最小二乘法拟合出路径损耗指数；根据路径损耗指数和路径损耗初始模型计算路径损耗模型；根据路径损耗模型获取的路径损耗模值和天线接收端高度通过最小二乘法拟合出路径损耗；根据路径损耗指数、路径损耗和路径损耗初始模型构建室内高频段离体信道路径损耗模型；本发明能够提高路径损耗模型的准确性。
-
公开(公告)号：CN113285899B
公开(公告)日：2022-10-14
申请号：CN202110548774.8
申请日：2021-05-20
Applicant: 南京邮电大学
IPC: H04L25/02
Abstract: 本发明公开了一种基于深度学习的时变信道估计方法及系统，通过对网络输入样本进行合理构造，本发明基于单隐藏层神经网络，首先充分地利用历史信道信息中的信道变化特征，以及接收导频信号中的其他特征，并利用最小二乘估计的优势来进一步提高信道估计的性能，其次，本发明利用构造的样本对反向传播神经网络进行线下训练，然后以在线方式实时获取时变信道信息。为了降低计算复杂度，本发明仅采用了接收的导频信号与导频子信道的信息，并对导频子信道采用多项式基扩展模型建模来减少待估计参数进行时变信道估计。本发明可以显著地提高信道估计精度，具有较低的计算复杂度，适合于高速移动场景中时变信道信息的高效获取。
-
公开(公告)号：CN113206809A
公开(公告)日：2021-08-03
申请号：CN202110479456.0
申请日：2021-04-30
Applicant: 南京邮电大学
Abstract: 本发明公开了无线通信技术领域内的一种联合深度学习与基扩展模型的信道预测方法,包括以下步骤：步骤1，根据历史时刻的信道信息获取信道的相关矩阵；步骤2，对相关矩阵进行特征值分解，获得最优基函数；步骤3，利用基扩展模型对信道进行建模；步骤4，基于历史接收的导频信号与最优基函数，获取基系数估计值；步骤5，根据基系数估计值构建训练样本集；步骤6，利用训练样本集训练BP神经网络；步骤7，获得具有最优权重和阈值的信道预测模型；步骤8，基于信道预测模型进行线上预测；步骤9，将基系数预测值转换成频域信道矩阵。本发明具有较低的计算复杂度，且具有较高的预测精度，适用于未来高速移动环境下时变信道信息的高效获取。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
