基于深度特征融合网络的OFDM信道估计方法

    公开(公告)号:CN109218233B

    公开(公告)日:2021-07-20

    申请号:CN201811355386.2

    申请日:2018-11-14

    Abstract: 本发明提供的一种基于深度特征融合网络的OFDM信道估计方法,包括步骤:S1:在原始传输信号插入导频;S2:将步骤S1得到的传输信号串行数据流变成并行数据流,利用IDFT将传输信号进行OFDM调制;S3:将传输信号由并行数据流变成串行数据流;经由OFDM信道发送到接收端;S4:接收端接收传输信号后,将传输信号由串行数据流变成并行数据流,然后利用DFT对传输信号进行解调制;S5:将传输信号由并行数据流变成串行数据流,然后输入深度特征融合网络的信道估计模型中,输出经信道估计模型融合的传输信号;本发明能够在保证信道估计的性能的同时,能够有效的恢复在有限导频、CP去除和非线性噪声的情况下OFDM信道中的传输信号,降低了数据失真和信道噪声的影响。

    基于深度特征融合网络的OFDM信道估计方法

    公开(公告)号:CN109218233A

    公开(公告)日:2019-01-15

    申请号:CN201811355386.2

    申请日:2018-11-14

    Abstract: 本发明提供的一种基于深度特征融合网络的OFDM信道估计方法,包括步骤:S1:在原始传输信号插入导频;S2:将步骤S1得到的传输信号串行数据流变成并行数据流,利用IDFT将传输信号进行OFDM调制;S3:将传输信号由并行数据流变成串行数据流;经由OFDM信道发送到接收端;S4:接收端接收传输信号后,将传输信号由串行数据流变成并行数据流,然后利用DFT对传输信号进行解调制;S5:将传输信号由并行数据流变成串行数据流,然后输入深度特征融合网络的信道估计模型中,输出经信道估计模型融合的传输信号;本发明能够在保证信道估计的性能的同时,能够有效的恢复在有限导频、CP去除和非线性噪声的情况下OFDM信道中的传输信号,降低了数据失真和信道噪声的影响。

    基于联邦学习的区域级电力负荷预测方法

    公开(公告)号:CN119134299A

    公开(公告)日:2024-12-13

    申请号:CN202411193736.5

    申请日:2024-08-28

    Abstract: 本发明公开了一种基于联邦学习的区域级电力负荷预测方法,包括:S1.获取各个区域电力负荷数据;获取各个区域的气象因素数据;S2.对获取的数据进行拼接处理,得到处理后的数据;对处理后的数据中各项气象因素与电力负荷进行相关性分析,得到分析后的数据;S3.将分析后的数据中各区域自对应的数据分别输入各自的预测模型进行模型训练;将各个区域模型训练后的参数上传至全局模型进行聚合,将聚合后的参数再分发给各个区域模型,迭代执行本步骤,直至满足预设的收敛标准;S4.使用各个区域训练好的预测模型对各自区域的电力负荷进行预测,得到预测值。本发明能够实现跨区域的联合建模和预测,提高了电力负荷预测的准确性和泛化能力。

Patent Agency Ranking