-
公开(公告)号：CN118250137A
公开(公告)日：2024-06-25
申请号：CN202211667195.6
申请日：2022-12-23
Applicant: 南开大学
IPC: H04L27/26
Abstract: 本发明公开了一种延迟多普勒域通信系统的定时和频率联合同步方法，以dual‑chirp信号作为前导序列，根据chirp信号的FrFT的峰值位置偏移得到时频偏信息，实现延迟多普勒域通信系统的同步。包括步骤：将dual‑chirp信号作为前导序列，首先对其进行FrFT变换，记录峰值位置；将前导序列填充零补齐为与数据序列相同的维度并变换到DD域；在DD域叠加前导序列和数据序列，叠加后的数据作为发送DD域数据，变换到时域后发送；对接收信号按滑动窗进行FrFT变换，记录出现能量聚集的滑动窗位置；根据接收峰值位置与发送峰值位置的差值求解定时偏移和频率偏移，完成同步过程。本发明设计的前导序列在不占用额外资源的前提下，实现了高载波频率高速移动场景下的高精度同步。
-
公开(公告)号：CN117278364A
公开(公告)日：2023-12-22
申请号：CN202210671212.7
申请日：2022-06-15
Applicant: 南开大学
Abstract: 本发明公开了一种基于多任务神经网络的OFDM系统频偏与信道联合估计算法，包括以下步骤：在接收端对导频信号进行预处理，得到联合估计神经网络的输入；构建频偏与信道联合估计多任务神经网络架构；离线阶段通过构造大量在不同信道下具有不同频偏的差异化数据，以端到端的方式对网络进行训练；在线阶段将同时包含频偏和衰落信道影响的符号输入到训练好的网络中，可以同时获取频率偏移值和信道估计值。本发明提出了基于多任务学习的频偏与信道联合估计算法，并引入注意力机制消除频偏估计误差对信道估计的影响，与传统算法相比，降低了系统计算复杂度，大幅提高了频偏估计和信道估计的精度。
-
公开(公告)号：CN111010360A
公开(公告)日：2020-04-14
申请号：CN201911323064.4
申请日：2019-12-20
Applicant: 南开大学
IPC: H04L27/26
Abstract: 本发明公开了一种基于预编码的混合载波调制方法，包括步骤：对GFDM调制算法进行时频重构，将GFDM能够作为软件定义波形的基础波形，搭建以GFDM为基础的统一循环滤波载波调制模型；将GFDM模型与IEEE802.16a标准中的单载波传输模式SC-FDE相结合，得到基于GFDM调制系统的SC-GFDM单载波调制方式；依据LTE-A上行信道采用的SC-FDMA技术，提出一种基于DFT的GFDM频域扩展方案完成DFT-S-GFDM单载波调制系统；通过软件定义调整预编码矩阵方案完成同时兼容单载波GFDM和多载波GFDM的混合GFDM调制系统。本发明在长时间的相干积分中，通过将测距码周期性的叠加，降低数据长度，从而实现了运算量的降低。本发明通过设计一种统一结构的通信系统，使得GFDM单载波与多载波可以在一套硬件设备中共存，并根据需求以软件配置的方式实现不同工作模式的灵活选择，实现了一种可配置、易扩展的融合单载波与多载波的调制技术。
-
公开(公告)号：CN111030741B
公开(公告)日：2022-05-20
申请号：CN201911323062.5
申请日：2019-12-20
Applicant: 南开大学
IPC: H04B7/0456 , H04L25/03 , H04L27/26
Abstract: 本发明公开了一种快时变场景下用于多载波系统抑制干扰的预编码算法。包括步骤：导出基于信漏噪比准则的预编码最优化准则，用以替代传统的信干噪比最优化准则；对发送信号向量进行预编码变换得到待发送数据向量；对预编码变换得到的数据符号N倍上采样，再与脉冲整形滤波器循环卷积得到最终的输出。本发明采用的基于信漏噪比准则的预编码算法复杂度低，其计算复杂度与迫零预编码算法基本一致；基于信漏噪比准则的预编码算法在设计时考虑噪声，尤其在低信噪比条件下其性能显著优于迫零线性预编码算法。原始数据向量不是互相正交的，预编码变换后得到的矩阵相互之间正交，经过这样的预编码运算，可以提高GFDM系统子载波之间的正交性，降低载波间干扰。
-
公开(公告)号：CN111030741A
公开(公告)日：2020-04-17
申请号：CN201911323062.5
申请日：2019-12-20
Applicant: 南开大学
IPC: H04B7/0456 , H04L25/03 , H04L27/26
Abstract: 本发明公开了一种快时变场景下用于多载波系统抑制干扰的预编码算法。包括步骤：导出基于信漏噪比准则的预编码最优化准则，用以替代传统的信干噪比最优化准则；对发送信号向量进行预编码变换得到待发送数据向量；对预编码变换得到的数据符号N倍上采样，再与脉冲整形滤波器循环卷积得到最终的输出。本发明采用的基于信漏噪比准则的预编码算法复杂度低，其计算复杂度与迫零预编码算法基本一致；基于信漏噪比准则的预编码算法在设计时考虑噪声，尤其在低信噪比条件下其性能显著优于迫零线性预编码算法。原始数据向量不是互相正交的，预编码变换后得到的矩阵相互之间正交，经过这样的预编码运算，可以提高GFDM系统子载波之间的正交性，降低载波间干扰。
-
Patent Agency Ranking
公开(公告)号：CN112911528A
公开(公告)日：2021-06-04
申请号：CN201911137849.2
申请日：2019-11-18
Applicant: 南开大学
Abstract: 本发明公开了一种基于压缩感知的DTMB与FM信号室内指纹定位方法，包括步骤：离线阶段根据室内环境随机选取参考点，采集DTMB与FM信号，根据压缩感知技术，重构出全体参考点的信号强度，作为参考点的特征指纹信息构成指纹信息数据库；获取待测点的DTMB与FM信号的指纹信息，利用压缩感知算法在粗定位基础上精确定位出位置信息，完成待测点和参考点指纹数据库的匹配。本发明利用DTMB与FM信号联合定位，覆盖范围广，抗干扰性能优越；本发明采用压缩感知技术，能减少位置信息的采集量，并能提准确高效的完成定位。
-
公开(公告)号：CN118199699A
公开(公告)日：2024-06-14
申请号：CN202211596820.2
申请日：2022-12-12
Applicant: 南开大学
Abstract: 本发明公开了一种面向低轨卫星通信的新型时延‑多普勒域波形设计和传输方法，包括步骤：对低轨卫星通信数据比特流进行数字调制，将信息符号放置于时延多普勒域平面网格，进行OTFS调制；沿频率轴进行IDFT操作，得到时域离散信号，经过上采样后以一定的间隔相互交错；设计一种与时延和多普勒分辨率均正交的发送脉冲，将数字信号转换为模拟信号发送出去；经过卫星衰落信道后，接收端利用匹配滤波器接收处理，经过下采样后进行OTFS解调和数字解调恢复出原始卫星通信数据比特流。本发明提出了一种新型的时延‑多普勒域多载波波形设计和传输方法，有效耦合了时延多普勒域调制信号和卫星双选择性衰落信道，降低了带外发射功率，并提升了系统的整体性能。
-
公开(公告)号：CN117955776A
公开(公告)日：2024-04-30
申请号：CN202211408704.3
申请日：2022-10-27
Applicant: 南开大学
IPC: H04L25/02
Abstract: 本发明公开了一种高速移动场景下基于块稀疏度自适应的OTFS系统信道估计算法，包括以下步骤：将接收端的接收信号转换为时延‑多普勒域中的矩阵形式Y；提取接收矩阵中用于信道估计的导频信号并转换为向量形式Yp；提取发送端时延‑多普勒域中的导频信号并根据压缩感知数学模型构建测量矩阵Φ；利用TSSABOMP算法得到稀疏信道向量hest；将信道向量hest重新恢复成矩阵形式Hest，并找出矩阵Hest[k’，l’]非零元的位置(k’est，l’est)，完成信道估计。本发明首先利用OTFS系统时延‑多普勒域信道的块稀疏特性，通过筛选内积值确定传输路径时延，在此基础上利用对数函数型的变步长方法实现稀疏度自适应的信道估计方案。与传统算法相比，大幅提高了原子选择的准确率，取得了重构精度与效率间的平衡。
-
公开(公告)号：CN117279082A
公开(公告)日：2023-12-22
申请号：CN202210668675.8
申请日：2022-06-15
Applicant: 南开大学
IPC: H04W56/00 , H04W72/1273 , H04W72/23
Abstract: 本发明公开了一种基于深度学习的LTE系统下行链路定时同步方法，采用深度学习技术强大的数据处理能力，从接收主同步信号(PSS)中充分挖掘定时偏移特征，实现信号的定时同步。包括步骤：将定时偏移估计过程拟合为神经网络的回归过程，搭建用于定时同步的神经网络模型；对接收到的PSS符号进行预处理，将实部和虚部并联为二维数据，作为神经网络的输入；将PSS所在符号输入神经网络，输出对应的定时偏移值；离线阶段采用大量具有不同定时偏移的符号对网络进行训练；在线阶段通过训练好的神经网络得到新接收符号的定时偏移值，完成定时同步。本发明将定时同步建模成神经网络回归问题，仿真表明，该方法在双选信道下的性能远远优于传统的序列相关方法。
-
公开(公告)号：CN117278363A
公开(公告)日：2023-12-22
申请号：CN202210671211.2
申请日：2022-06-15
Applicant: 南开大学
Abstract: 本发明公开了一种快时变场景下基于深度学习的OFDM系统频偏估计算法，包括以下步骤：频偏估计网络输入数据的产生和预处理；构建以全连接网络为核心的频偏估计网络；离线阶段通过构造大量差异化的数据对频偏估计网络进行训练；在线阶段将包含频偏的符号输入到训练好的网络中，获取频率偏移值，完成频偏估计。本发明将频偏估计问题建模为神经网络的分类过程，利用神经网络提取频偏特征，完成频偏同步。与传统算法相比，大幅提高了频偏估计的精度，具有更强的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.017 seconds)
