公开(公告)号：CN115549732B

公开(公告)日：2024-05-28

申请号：CN202211108893.2

申请日：2022-09-13

Applicant: 哈尔滨工业大学 ,  北京机电工程总体设计部

Inventor： 吴少川 ,  孙铭君 ,  李壮

IPC: H04B7/0413 ,  H04B7/0456 ,  H04B17/373 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于人工智能的大规模MIMO混合预编码方法；首先设计基础学习器；采用传统部分连接结构的混合预编码算法构造CNN网络的数据集，构建损失函数；然后设计高级学习器；构建数据集，利用元学习MAML算法对数据集进行元训练和元微调，完成网络在全新的环境的适应；本发明利用卷积神经网络替代传统算法，降低计算复杂度，获得预编码矩阵的批量预测能力，并巧妙利用模拟预编码器的部分连接结构，减小神经网络的规模，降低预测时间开销，同时利用元学习MAML算法提高了神经网络环境普适性的能力，保证网络在全新的环境中能够快速适应。

公开(公告)号：CN115549732A

公开(公告)日：2022-12-30

申请号：CN202211108893.2

申请日：2022-09-13

Applicant: 哈尔滨工业大学 ,  北京机电工程总体设计部

Inventor： 吴少川 ,  孙铭君 ,  李壮

IPC: H04B7/0413 ,  H04B7/0456 ,  H04B17/373 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于人工智能的大规模MIMO混合预编码方法；首先设计基础学习器；采用传统部分连接结构的混合预编码算法构造CNN网络的数据集，构建损失函数；然后设计高级学习器；构建数据集，利用元学习MAML算法对数据集进行元训练和元微调，完成网络在全新的环境的适应；本发明利用卷积神经网络替代传统算法，降低计算复杂度，获得预编码矩阵的批量预测能力，并巧妙利用模拟预编码器的部分连接结构，减小神经网络的规模，降低预测时间开销，同时利用元学习MAML算法提高了神经网络环境普适性的能力，保证网络在全新的环境中能够快速适应。

公开(公告)号：CN119676828A

公开(公告)日：2025-03-21

申请号：CN202411475095.2

申请日：2024-10-22

Applicant: 哈尔滨工业大学

Inventor： 吴少川 ,  孙铭君 ,  李廷非 ,  姜力僮 ,  凡逸飞

IPC: H04W72/044 ,  H04B7/06 ,  H04B7/0413 ,  G06N3/02

Abstract: 基于同构图神经网络的可扩展Cell‑Free Massive MIMO功率分配方法，它涉及一种可扩展Cell‑Free Massive MIMO功率分配方法。本发明为了解决目前还没有一种适用于Cell‑Free网络中用户数、AP数及AP天线数动态变化的信息携带图神经网络功率分配算法的问题。本发明将Cell‑Free网络构建为一个同构虚拟有向图，并设计了一种适用于Cell‑Free网络中用户数，AP数及AP天线数动态变化的信息携带图神经网络功率分配算法，其网络结构独立于虚拟图中的节点数量，能够适应不同规模的图。本发明属于通信技术领域。

公开(公告)号：CN118714644A

公开(公告)日：2024-09-27

申请号：CN202410936161.5

申请日：2024-07-12

Applicant: 哈尔滨工业大学

Inventor： 吴少川 ,  凡逸飞 ,  王豪杰 ,  孙铭君 ,  王健合

IPC: H04W72/044 ,  H04W72/542 ,  H04B7/0413 ,  H04L27/26

Abstract: 本发明提出基于OTFS信号的MIMO‑ISAC系统功率分配方法，包括：步骤1：构建基于OTFS信号的无蜂窝大规模的MIMO‑ISAC系统模型；步骤2：获取MIMO‑ISAC系统模型的信道估计，基于MIMO‑ISAC系统模型的信道估计获取低复杂度闭合通信频谱效率下限；步骤3：基于低复杂度闭合通信频谱效率下限优化MIMO‑ISAC系统模型的通信频谱效率性能；步骤4：根据功率分配算法对通信频谱效率性能优化后的MIMO‑ISAC系统模型进行功率分配。本发明利用功率分配提升一体化系统的综合性能，以在满足特定的感知性能的同时最大化用户通信性能，并保证通信公平性。

公开(公告)号：CN119788134A

公开(公告)日：2025-04-08

申请号：CN202411847615.8

申请日：2024-12-16

Applicant: 哈尔滨工业大学

Inventor： 吴少川 ,  李国宇 ,  尚关玉 ,  凡逸飞 ,  张延家 ,  孙铭君 ,  王豪杰

IPC: H04B7/0413 ,  H04B7/0456 ,  H04L25/02

Abstract: 本发明提出异步可扩展无蜂窝大规模MIMO部分相干传输下的分簇方法，属于通信技术领域，解决异步接收给无蜂窝大规模MIMO系统带来性能损失的问题，具体包括：对异步接收下无蜂窝大规模MIMO系统进行信道估计，得到异步接收下无蜂窝大规模MIMO系统上行链路训练阶段的线性最小均方误差信道估计；基于线性最小均方误差信道估计获取局部最小均方误差预编码和最大比预编码方式下的异步无蜂窝大规模MIMO下行链路部分相干传输的频谱效率表达式，完成对下行链路部分相干传输的频谱效率性能分析；设计基于大尺度衰落系数和距离的可扩展分簇算法，将为每个用户提供服务的AP分组到一系列相干簇，结合部分最小均方误差预编码和最大比预编码方式进行下行链路部分相干传输。

公开(公告)号：CN119420387A

公开(公告)日：2025-02-11

申请号：CN202411450382.8

申请日：2024-10-17

Applicant: 哈尔滨工业大学

Inventor： 吴少川 ,  孙铭君 ,  姜力僮 ,  李廷非 ,  王豪杰

IPC: H04B7/0456 ,  H04B7/06 ,  H04B7/0452 ,  G06N3/02

Abstract: 本发明提出基于同构图神经网络的可扩展MU‑MIMO预编码方法，包括：S1：构建通信系统模型；S2：将MU‑MIMO蜂窝网络构建为无线虚拟同构有向图；S3：设计一种适用于蜂窝网络中用户数及用户天线数动态变化的信息携带图神经网络(ICGNN)预编码算法，完成基于同构图神经网络的可扩展MU‑MIMO预编码。本发明通过在K＝5个用户的基础场景下进行训练，展示了ICGNN方法在不同用户数量下的性能，当外推到更大尺寸的图时，ICGNN性能表现更佳，始终优于WMMSE，相较于WMMSE，本发明提出ICGNN方法性能提升始终≥95％。