-
公开(公告)号：CN113890795A
公开(公告)日：2022-01-04
申请号：CN202111057350.8
申请日：2021-09-09
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO信道估计模型的构建方法、装置及介质，首先，接收n组在线信号数据；其次，通过深度学习提取预先获取的离线信号数据的高层语义特征和n组所述在线信号数据的高层语义特征，得到离线高层语义特征和n组在线高层语义特征；然后，将所述离线高层语义特征和n组所述在线高层语义特征分别输入至预先构建的n+1个神经网络中进行训练，得到初始信道估计模型和n个在线信道估计模型；最后，基于所述离线信号数据的误码率和n个所述在线信号数据的误码率，对所述初始信道估计模型和n个所述在线信道估计模型进行集成学习，得到最优信道估计模型。本发明能够减小系统开销，降低计算复杂度，实现自适应更新模型。
-
Patent Agency Ranking
公开(公告)号：CN113890795B
公开(公告)日：2023-06-23
申请号：CN202111057350.8
申请日：2021-09-09
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO信道估计模型的构建方法、装置及介质，首先，接收n组在线信号数据；其次，通过深度学习提取预先获取的离线信号数据的高层语义特征和n组所述在线信号数据的高层语义特征，得到离线高层语义特征和n组在线高层语义特征；然后，将所述离线高层语义特征和n组所述在线高层语义特征分别输入至预先构建的n+1个神经网络中进行训练，得到初始信道估计模型和n个在线信道估计模型；最后，基于所述离线信号数据的误码率和n个所述在线信号数据的误码率，对所述初始信道估计模型和n个所述在线信道估计模型进行集成学习，得到最优信道估计模型。本发明能够减小系统开销，降低计算复杂度，实现自适应更新模型。
-
公开(公告)号：CN113890794A
公开(公告)日：2022-01-04
申请号：CN202111055892.1
申请日：2021-09-09
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO信道估计方法，包括：每当自适应采样周期到达时，获取当前接收信号；通过时域稀疏性原理和预设的转换规则对所述当前接收信号进行变换，得到恢复矩阵；基于相邻时刻同一子载波导频的时间相关性对所述恢复矩阵进行预测，得到所述恢复矩阵的多假设预测值和第一预测误差；根据多假设预测残差重构算法、所述恢复矩阵的多假设预测值和所述第一预测误差，得到重构后的恢复矩阵；对所述重构后的恢复矩阵进行解码恢复，得到信道估计结果。本发明还公开了一种大规模MIMO信道估计装置及存储介质，采用本发明实施例，能够降低大规模MIMO系统的计算复杂度，提高信道估计的精度。
-
公开(公告)号：CN113890794B
公开(公告)日：2023-06-27
申请号：CN202111055892.1
申请日：2021-09-09
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO信道估计方法，包括：每当自适应采样周期到达时，获取当前接收信号；通过时域稀疏性原理和预设的转换规则对所述当前接收信号进行变换，得到恢复矩阵；基于相邻时刻同一子载波导频的时间相关性对所述恢复矩阵进行预测，得到所述恢复矩阵的多假设预测值和第一预测误差；根据多假设预测残差重构算法、所述恢复矩阵的多假设预测值和所述第一预测误差，得到重构后的恢复矩阵；对所述重构后的恢复矩阵进行解码恢复，得到信道估计结果。本发明还公开了一种大规模MIMO信道估计装置及存储介质，采用本发明实施例，能够降低大规模MIMO系统的计算复杂度，提高信道估计的精度。
-
公开(公告)号：CN117560781A
公开(公告)日：2024-02-13
申请号：CN202311359463.2
申请日：2023-10-19
Applicant: 中电科普天科技股份有限公司 , 广州杰赛通信规划设计院有限公司 , 中国联合网络通信有限公司四川省分公司
IPC: H04W72/56 , H04W72/543 , H04W72/512 , H04W72/50 , G06N3/092
Abstract: 本发明公开了一种5G网络切片资源分配方法、装置、设备及存储介质，包括：根据用户的业务使用偏好相似度对用户进行分组；获取每一分组用户的网络切片信息，其中，所述网络切片信息包括：调度优先级、QoE需求信息、QoS需求信息和切片资源利用率；在满足每一分组用户的所述QoE需求信息的情况下，结合所述调度优先级，以最大化所述QoS需求信息和所述切片资源利用率为目标，建立网络切片资源分配模型；对所述网络切片资源分配模型进行强化学习，得到所述用户的网络切片分配策略。采用本发明实施例，通过将网络切片资源动态分配给各个用户，能够满足动态的用户QoE需求和切片资源利用率的要求。
-
公开(公告)号：CN117729615A
公开(公告)日：2024-03-19
申请号：CN202311725070.9
申请日：2023-12-14
Applicant: 中电科普天科技股份有限公司 , 广州杰赛通信规划设计院有限公司 , 中国联合网络通信有限公司四川省分公司
IPC: H04W52/02 , H04W84/06 , H04W24/00 , H04L41/147 , H04L41/16 , H04L43/0876
Abstract: 本发明公开了一种基站集群休眠控制方法、装置及介质，所述基站集群休眠控制方法包括：根据历史流量数据分别进行大尺度流量预测和小尺度流量预测，计算得到每一基站的流量负载率；根据信道条件信息以及业务最低传输速率，计算得到用户流量需求；根据用户流量需求、基站休眠功率以及基站最大功率，计算得到所述每一基站的静态能耗与动态能耗；以基站集群的能耗最小为优化目标建立目标函数，并根据流量负载率建立目标函数的约束条件；根据目标函数以及约束条件，计算得到最优的休眠基站集合。本发明通过更准确的流量预测，基于用户感知，以基站集群能耗最小为目标确定休眠基站，能够在不降低用户业务感知的情况下实现基站集群的节能降耗。
-
-
-
-
-
Search Results
6
records
(took 0.051 seconds)
