公开(公告)号：CN116260490B

公开(公告)日：2023-08-15

申请号：CN202310548064.4

申请日：2023-05-16

Applicant: 南京邮电大学

Inventor： 夏文超 ,  陈逸捷 ,  徐林林 ,  赵海涛

IPC: H04B7/0426 ,  H04B7/0456 ,  H04W28/06 ,  H04L25/02

Abstract: 本申请涉及一种面向去蜂窝多天线系统的前传压缩与预编码方法。该方法包括：利用上下行对偶关系，将下行预编码与压缩噪声设计问题转化为上行优化问题求解，获得训练样本集，采用随机梯度下降算法对神经网络模型进行训练，获得训练好的神经网络模型，进而将获取的信道矩阵输入预先训练好的神经网络模型进行预测，获得上行功率分配向量预测值进行分析，确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵，根据下行波束成形矩阵和下行功率分配向量，对待传输的数据进行预编码，获得编码后的数据，根据下行压缩噪声矩阵对编码后的数据进行压缩，获得压缩后的数据，保证了Cell‑free MIMO系统高性能的前提下降低计算时延。

公开(公告)号：CN118174989A

公开(公告)日：2024-06-11

申请号：CN202410225639.3

申请日：2024-02-29

Applicant: 南京邮电大学

Inventor： 夏文超 ,  陈逸捷 ,  赵贲 ,  陈安 ,  王琴 ,  徐林林 ,  朱洪波

IPC: H04L25/02 ,  H04B7/06

Abstract: 本发明公开了一种面向去蜂窝物联网多天线系统的信道估计和波束成形联合学习方法，包括：根据最小均方误差估计器和上下行信道非互易关系，利用上行接收导频信号估计下行信道信息，获得信道估计网络训练样本集；根据上下行对偶关系，利用下行信道信息计算虚拟上行功率分配向量，获得特征值网络训练样本集；利用全局损失函数，对信道估计网络和特征值网络进行联合训练，获得训练好的神经网络模型，进而将上行接收导频信号输入预先训练好的神经网络模块进行预测，获得下行信道矩阵预测值和虚拟上行功率分配向量预测值，对其进行分析，确定下行波束成形矩阵，仿真结果表明所发明方法在功率性能上接近数值算法，在时间性能上远优于数值算法。

公开(公告)号：CN116260490A

公开(公告)日：2023-06-13

申请号：CN202310548064.4

申请日：2023-05-16

Applicant: 南京邮电大学

Inventor： 夏文超 ,  陈逸捷 ,  徐林林 ,  赵海涛

IPC: H04B7/0426 ,  H04B7/0456 ,  H04W28/06 ,  H04L25/02

Abstract: 本申请涉及一种面向去蜂窝多天线系统的前传压缩与预编码方法。该方法包括：利用上下行对偶关系，将下行预编码与压缩噪声设计问题转化为上行优化问题求解，获得训练样本集，采用随机梯度下降算法对神经网络模型进行训练，获得训练好的神经网络模型，进而将获取的信道矩阵输入预先训练好的神经网络模型进行预测，获得上行功率分配向量预测值进行分析，确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵，根据下行波束成形矩阵和下行功率分配向量，对待传输的数据进行预编码，获得编码后的数据，根据下行压缩噪声矩阵对编码后的数据进行压缩，获得压缩后的数据，保证了Cell‑free MIMO系统高性能的前提下降低计算时延。