-
公开(公告)号：CN112822130B
公开(公告)日：2022-11-29
申请号：CN202011578137.7
申请日：2020-12-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种5G高速移动系统中基于深度学习的多普勒频偏估计方法，包括基于数据与导频信号，获取多普勒频偏初始估计，基于多普勒频偏初始估计构建预训练样本；利用构建的预训练样本对网络进行预训练处理，获取预训练网络的权重和阀值参数；基于导频信号，获取多普勒频偏初始估计，基于多普勒频偏初始估计构建训练样本；利用获取预训练网络的权重和阀值参数与构建的训练样本对网络进行第二次训练处理，获取最终的网络估计模型，进行线上多普勒频偏实时估计。具有较快的收敛速度和高的估计性能，具有一定的实用价值。
-
公开(公告)号：CN111291511B
公开(公告)日：2022-08-30
申请号：CN202010071310.8
申请日：2020-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法，充分考虑了高速移动场景下时变信道的特点，通过历史信息获取最优基函数，基于该基函数对信道进行建模，以降低信道估计的复杂度；其次采用软卡尔曼滤波和数据检测联合的方法来估计基系数，并且在每次迭代中将基于似然比信息判决的检测数据的误差作为噪声进行处理，减少数据检测误差传播影响，提高信道估计精度。本发明提供的一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法，为了更好地减少数据检测误差传播的影响，在每次迭代中将数据检测误差作为噪声进行处理。具有高估计精度和低计算复杂度的优点，适用于高速移动环境中时变信道信息的高效获取。
-
公开(公告)号：CN112822130A
公开(公告)日：2021-05-18
申请号：CN202011578137.7
申请日：2020-12-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种5G高速移动系统中基于深度学习的多普勒频偏估计方法，包括基于数据与导频信号，获取多普勒频偏初始估计，基于多普勒频偏初始估计构建预训练样本；利用构建的预训练样本对网络进行预训练处理，获取预训练网络的权重和阀值参数；基于导频信号，获取多普勒频偏初始估计，基于多普勒频偏初始估计构建训练样本；利用获取预训练网络的权重和阀值参数与构建的训练样本对网络进行第二次训练处理，获取最终的网络估计模型，进行线上多普勒频偏实时估计。具有较快的收敛速度和高的估计性能，具有一定的实用价值。
-
公开(公告)号：CN111291511A
公开(公告)日：2020-06-16
申请号：CN202010071310.8
申请日：2020-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法，充分考虑了高速移动场景下时变信道的特点，通过历史信息获取最优基函数，基于该基函数对信道进行建模，以降低信道估计的复杂度；其次采用软卡尔曼滤波和数据检测联合的方法来估计基系数，并且在每次迭代中将基于似然比信息判决的检测数据的误差作为噪声进行处理，减少数据检测误差传播影响，提高信道估计精度。本发明提供的一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法，为了更好地减少数据检测误差传播的影响，在每次迭代中将数据检测误差作为噪声进行处理。具有高估计精度和低计算复杂度的优点，适用于高速移动环境中时变信道信息的高效获取。
-
-
-
Search Results
4
records
(took 0.021 seconds)
