公开(公告)号：CN118352803A

公开(公告)日：2024-07-16

申请号：CN202410449570.2

申请日：2024-04-15

Applicant: 浙江大学

Inventor： 尹文言 ,  张景炜 ,  张硕 ,  金开元 ,  康凯 ,  谢浩 ,  徐光辉

IPC: H01Q21/00 ,  H01Q19/02 ,  H01Q1/00 ,  H01Q1/38 ,  H01Q1/36 ,  H01Q21/06 ,  H01Q13/02 ,  H05K7/20

Abstract: 本发明公开了一种具有自散热增强功能的易集成毫米波阵列天线，属于天线设计领域。该结构双层介质基板及顶层喇叭天线馈电；所述双层介质基板中第一层介质基板用于基片集成波导型功分馈电网络，置于最底层，其上为第二层介质基板用于实现腔体型谐振单元；最顶层是通过缝隙耦合馈电的全金属喇叭阵列并加载用于自散热的水流道。本发明具有适用于高功率集成系统，高增益，易集成，自散热能力强和低成本等优点。与传统的自散热器不同，本发明使用的自散热装置不额外增加天线整体的尺寸，更适用于在高功率、高温等极端环境下工作的集成微系统设备，天线具有较高的增益能够实现更远距离的信号传输。该天线设计用于毫米波频段，特别是工作频率在70GHz。

公开(公告)号：CN113972939A

公开(公告)日：2022-01-25

申请号：CN202111056767.2

申请日：2021-09-09

Applicant: 浙江大学

Inventor： 胡棋昱 ,  蔡云龙 ,  康凯

IPC: H04B7/0456 ,  H04L5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提出了一种基于双时间尺度和深度学习的天线系统预编码方法和装置，该方法包括：构建长时间尺度DNN和短时间尺度DNN，构建的深度神经网络分别包括与大规模毫米波多输入多输出系统的收发机对应的多个子网络；通过训练数据对构建的深度神经网络进行训练；获取待传输的信号，通过训练完成的长时间尺度DNN进行高维导频估计和高维信道反馈，通过短时间尺度DNN进行低维导频估计和低维信道反馈；通过长时间尺度DNN根据高维原始信道矩阵进行模拟预编码和数字预编码，并通过短时间尺度DNN根据低维等效信道矩阵进行数字预编码。该方法可以降低信令开销，提高系统的鲁棒性，且对系统中的各个模块进行联合设计，降低了计算复杂度。

公开(公告)号：CN114696878B

公开(公告)日：2023-10-17

申请号：CN202210167814.9

申请日：2022-02-23

Applicant: 浙江大学

Inventor： 康凯 ,  胡棋昱 ,  蔡云龙

IPC: H04B7/0452 ,  H04B7/0456 ,  H04B17/00 ,  H04B17/336 ,  H04B17/391 ,  H04L25/02

Abstract: 本发明公开了一种基于混合预编码和信道估计的联合设计方法和装置，其中，该方法包括：获取多用户毫米波MIMO系统不同信噪比的训练数据；构建深度展开网络，其中，所述深度展开网络包括与大规模毫米波多输入多输出MIMO系统的收发机对应的多个子网络；将所述训练数据输入到所述深度展开网络进行两阶段的联合训练，获得训练好的网络优化参数；其中，所述两阶段的联合训练是基于双时间尺度设计的，目标损失函数包括系统和速率，训练参数更新方法包括随机梯度下降法；基于所述训练好的网络优化参数，执行数据传输任务。本发明可以降低信令开销，提高系统的鲁棒性，降低计算复杂度。

公开(公告)号：CN114696878A

公开(公告)日：2022-07-01

申请号：CN202210167814.9

申请日：2022-02-23

Applicant: 浙江大学

Inventor： 康凯 ,  胡棋昱 ,  蔡云龙

IPC: H04B7/0452 ,  H04B7/0456 ,  H04B17/00 ,  H04B17/336 ,  H04B17/391 ,  H04L25/02

Abstract: 本发明公开了一种基于混合预编码和信道估计的联合设计方法和装置，其中，该方法包括：获取多用户毫米波MIMO系统不同信噪比的训练数据；构建深度展开网络，其中，所述深度展开网络包括与大规模毫米波多输入多输出MIMO系统的收发机对应的多个子网络；将所述训练数据输入到所述深度展开网络进行两阶段的联合训练，获得训练好的网络优化参数；其中，所述两阶段的联合训练是基于双时间尺度设计的，目标损失函数包括系统和速率，训练参数更新方法包括随机梯度下降法；基于所述训练好的网络优化参数，执行数据传输任务。本发明可以降低信令开销，提高系统的鲁棒性，降低计算复杂度。

公开(公告)号：CN113972939B

公开(公告)日：2022-07-12

申请号：CN202111056767.2

申请日：2021-09-09

Applicant: 浙江大学

Inventor： 胡棋昱 ,  蔡云龙 ,  康凯

IPC: H04L5/00

Abstract: 本申请提出了一种基于双时间尺度和深度学习的天线系统预编码方法和装置，该方法包括：构建长时间尺度DNN和短时间尺度DNN，构建的深度神经网络分别包括与大规模毫米波多输入多输出系统的收发机对应的多个子网络；通过训练数据对构建的深度神经网络进行训练；获取待传输的信号，通过训练完成的长时间尺度DNN进行高维导频估计和高维信道反馈，通过短时间尺度DNN进行低维导频估计和低维信道反馈；通过长时间尺度DNN根据高维原始信道矩阵进行模拟预编码和数字预编码，并通过短时间尺度DNN根据低维等效信道矩阵进行数字预编码。该方法可以降低信令开销，提高系统的鲁棒性，且对系统中的各个模块进行联合设计，降低了计算复杂度。