公开(公告)号：CN114897098A

公开(公告)日：2022-08-12

申请号：CN202210634034.0

申请日：2022-06-06

Applicant: 网络通信与安全紫金山实验室

Inventor： 张川 ,  葛荧萌 ,  冀贞昊 ,  张在琛 ,  黄永明 ,  尤肖虎

IPC: G06K9/62 ,  G06N7/00 ,  G06N20/00

Abstract: 本发明提供一种自动混合精度量化方法及装置，其中，所述方法包括：获取多输入多输出MIMO检测器在对MIMO系统进行信号检测的过程中产生的待量化的中间变量；通过深度强化学习算法对智能体进行训练，并基于训练好的所述智能体中存储的策略对每个所述中间变量的小数位宽进行量化；基于概率密度函数，对每个所述中间变量的整数位宽进行量化。本发明可以自动实现MIMO检测器中不同中间变量的量化位宽的分配，避免了大量的量化位宽冗余，节省硬件资源。

公开(公告)号：CN116707670A

公开(公告)日：2023-09-05

申请号：CN202310753083.0

申请日：2023-06-25

Applicant: 网络通信与安全紫金山实验室

Inventor： 张川 ,  曾雨薇 ,  徐安来 ,  葛荧萌 ,  谈晓思 ,  冀贞昊 ,  张在琛 ,  黄永明 ,  尤肖虎

IPC: H04B17/15 ,  H04B17/29 ,  H04B7/0413

Abstract: 本发明公开了一种多输入多输出发射信号检测方法、装置、设备及介质，应用于通信技术领域，包括：获取输入参数；利用预先训练的简化广义近似消息传递网络处理输入参数，得到目标发射信号估计值；简化广义近似消息传递网络为对预设多维度参数进行降维处理，以及利用深度学习模型对降维处理后的参数进行修正的广义近似消息传递网络。本发明利用预先训练的简化广义近似消息传递网络对输入参数进行计算时，由于可以对多维度参数进行降维处理，使得减少参数运算的步骤，并且利用深度学习模型对降维处理后的参数进行修正，从而保证了模型的误码性能。因此，本发明可以在提升误码性能的情况下，降低了计算目标发射信号估计值的复杂度，提高了计算效率。

公开(公告)号：CN110740005A

公开(公告)日：2020-01-31

申请号：CN201911021624.0

申请日：2019-10-25

Applicant: 网络通信与安全紫金山实验室

Inventor： 张川 ,  冀贞昊 ,  尤肖虎

IPC: H04B17/373 ,  H04B7/0413 ,  H04L25/02

Abstract: 本发明提出了一种基于路径分多址的上行链路信道预测方法和预测系统。根据大规模天线阵列中存在的空间宽带效应和频率选择效应，提出了面向使用正交频分复用技术的大规模多输入多输出天线系统的新的信道预测VLSI架构，设计了上行信道链路中信道预测模块。对于导频阶段，本发明基于流水线和脉动阵列技术，设计了预处理、预搜索、用户分组和信道特征搜索等模块；对于上行信道预测阶段，本发明设计了每个用户的上行信道估计模块。所有模块只包含复数加法、复数乘法以及寄存器，不包含其他复杂运算模块。

公开(公告)号：CN117118542A

公开(公告)日：2023-11-24

申请号：CN202310803814.8

申请日：2023-06-30

Applicant: 网络通信与安全紫金山实验室

Inventor： 张川 ,  徐安来 ,  葛荧萌 ,  冀贞昊 ,  曾雨薇 ,  谈晓思 ,  张在琛 ,  黄永明 ,  尤肖虎

IPC: H04B17/309 ,  H04B7/0413

Abstract: 本发明公开了一种多输入多输出系统的信号检测方法以及电子设备。其中，该方法包括：依据多个发送子信号分别对应的第一后验概率均值、第一后验概率方差，所述多个接收子信号分别对应的第一残差项，以及分别对应的子载波对应的信道矩阵元素以及噪声方差，确定多个接收子信号分别对应的第二残差项；更新多个发送子信号分别对应的第一后验概率均值与第一后验概率方差，采用上述更新方法，对对应的第二后验概率均值进行迭代更新，得到分别对应的目标后验概率均值；依据多个发送子信号分别对应的目标后验概率均值，得到多个发送子估计信号。本发明解决了相关技术中对接收到的信号进行信号检测时，存在的检测复杂度高的技术问题。

公开(公告)号：CN116886209A

公开(公告)日：2023-10-13

申请号：CN202310891140.1

申请日：2023-07-19

Applicant: 网络通信与安全紫金山实验室

Inventor： 张川 ,  丁明远 ,  谈晓思 ,  冀贞昊 ,  张在琛 ,  黄永明 ,  尤肖虎

IPC: H04B17/00 ,  H04B17/309 ,  H04B7/0413

Abstract: 本发明公开了一种多输入多输出系统的信号检测方法、装置和计算机设备。其中，该方法包括：获取接收信号和信道信息，以及预先设定的高斯近似先验概率分布；采用如下方法，对高斯近似先验概率分布进行迭代更新，确定目标先验概率分布：根据接收信号、信道信息和预先设定的高斯近似先验概率分布，确定联合近似后验概率分布；以α散度最小化为目标，确定与联合近似后验概率分布矩匹配的高斯近似后验概率分布；根据高斯近似后验概率分布，更新高斯近似先验概率分布，得到更新后的高斯近似先验概率分布；根据目标先验概率分布，确定发送估计信号。本发明解决了现有技术中应用于MIMO系统的检测方法的检测精度不高的技术问题。

公开(公告)号：CN115037340B

公开(公告)日：2023-11-07

申请号：CN202210642101.3

申请日：2022-06-07

Applicant: 网络通信与安全紫金山实验室

Inventor： 张川 ,  葛荧萌 ,  刘李汉唐 ,  冀贞昊 ,  张在琛 ,  黄永明 ,  尤肖虎

IPC: H04B7/0413 ,  H04B7/06

Abstract: 本发明提供一种信号检测方法、装置、电子设备及存储介质，该方法包括：在检测终端设备的传输信号的过程中，确定接收信号对应的目标符号参数；根据该目标符号参数，确定该接收信号在调制符号星座点集合中对应的概率；基于该概率，确定发送信号对应的估计值。该方法用以解决现有技术中终端设备利用M‑MIMO检测算法对该终端设备的传输信号进行检测，由于整个信号检测过程较为复杂，从而导致对信号进行准确检测时所对应的检测硬件代价较大，本发明通过低复杂度设计思想设计出较为简化的信号检测装置，该信号检测装置可以包括选择器、计算器和并行干扰消除器，这样即可对终端设备中的信号实现低复杂度且高准确度地检测。

公开(公告)号：CN115037340A

公开(公告)日：2022-09-09

申请号：CN202210642101.3

申请日：2022-06-07

Applicant: 网络通信与安全紫金山实验室

Inventor： 张川 ,  葛荧萌 ,  刘李汉唐 ,  冀贞昊 ,  张在琛 ,  黄永明 ,  尤肖虎

IPC: H04B7/0413 ,  H04B7/06

Abstract: 本发明提供一种信号检测方法、装置、电子设备及存储介质，该方法包括：在检测终端设备的传输信号的过程中，确定接收信号对应的目标符号参数；根据该目标符号参数，确定该接收信号在调制符号星座点集合中对应的概率；基于该概率，确定发送信号对应的估计值。该方法用以解决现有技术中终端设备利用M‑MIMO检测算法对该终端设备的传输信号进行检测，由于整个信号检测过程较为复杂，从而导致对信号进行准确检测时所对应的检测硬件代价较大，本发明通过低复杂度设计思想设计出较为简化的信号检测装置，该信号检测装置可以包括选择器、计算器和并行干扰消除器，这样即可对终端设备中的信号实现低复杂度且高准确度地检测。

公开(公告)号：CN110740005B

公开(公告)日：2021-12-24

申请号：CN201911021624.0

申请日：2019-10-25

Applicant: 网络通信与安全紫金山实验室

Inventor： 张川 ,  冀贞昊 ,  尤肖虎

IPC: H04L25/02

Abstract: 本发明提出了一种基于路径分多址的上行链路信道预测方法和预测系统。根据大规模天线阵列中存在的空间宽带效应和频率选择效应，提出了面向使用正交频分复用技术的大规模多输入多输出天线系统的新的信道预测VLSI架构，设计了上行信道链路中信道预测模块。对于导频阶段，本发明基于流水线和脉动阵列技术，设计了预处理、预搜索、用户分组和信道特征搜索等模块；对于上行信道预测阶段，本发明设计了每个用户的上行信道估计模块。所有模块只包含复数加法、复数乘法以及寄存器，不包含其他复杂运算模块。

公开(公告)号：CN113541747A

公开(公告)日：2021-10-22

申请号：CN202110748205.8

申请日：2021-07-01

Applicant: 网络通信与安全紫金山实验室 ,  东南大学

Inventor： 张川 ,  葛荧萌 ,  谈晓思 ,  冀贞昊 ,  张在琛 ,  尤肖虎

IPC: H04B7/0413 ,  H04B7/08 ,  H04B17/336 ,  H04B17/391

Abstract: 本发明公开了一种大规模MIMO检测方法、装置和存储介质，包括：将接收信号矢量、信道矩阵以及噪声方差数据输入到经训练的近似期望传播网络模型中，得到发射信号的估计值；基于深度学习网络构建近似期望传播网络，近似期望传播网络的每一层对应于EPA算法的每个迭代过程；在每个网络层中引入可学习的线性纠正参数来纠正EPA算法中每次迭代时的未归一化的腔边缘分布的二阶项系数；近似期望传播网络的最后一层输出发送信号的最终估计值；对构建的所述近似期望传播网络进行训练，得到训练后的可学习的线性纠正参数，固定可学习的线性纠正参数即得到经训练的近似期望传播网络模型。本发明以较低的复杂度实现了更好的性能提升。

公开(公告)号：CN116961709A

公开(公告)日：2023-10-27

申请号：CN202310937261.5

申请日：2023-07-27

Applicant: 网络通信与安全紫金山实验室

Inventor： 张川 ,  尤壮壮 ,  周文岳 ,  冀贞昊 ,  黄永明 ,  尤肖虎

IPC: H04B7/0413 ,  H04B7/06 ,  H04B7/08

Abstract: 本发明公开了一种信号处理方法、非易失性存储介质及计算机设备。其中，该方法包括：获取接收信号向量和信道状态信息，以及获取大规模MIMO系统的因子图模型，因子图模型基于置信度传播BP检测方法构建；根据权重纽曼级数逼近wNSA方法处理接收信号向量和信道状态信息，生成置信选择传播检测BsPD方法中的初始化软信息，其中，BsPD方法用于更新因子图模型中的β消息；根据初始化软信息，执行BsPD方法以迭代更新因子图模型中的β消息，直至迭代结束，生成目标软信息；根据目标软信息将接收信号向量还原为发送信号向量。本发明解决了置信度传播检测方法的算法复杂度太高导致难以进行硬件实现的技术问题。