-
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
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：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
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：CN117749305A
公开(公告)日：2024-03-22
申请号：CN202311777763.2
申请日：2023-12-21
Applicant: 网络通信与安全紫金山实验室
IPC: H04B17/391 , G06N20/00 , H04L27/34 , H04B7/0413
Abstract: 本发明提供一种面向MIMO检测器的量化方法、装置及存储介质，所述方法包括：通过训练好的目标量化模型对中间变量的小数位宽进行优化目标量化模型是基于损失函数对深度学习模型进行训练得到的；损失函数是基于近似误符号率和惩罚项确定的；近似误符号率是基于发射信号估计值确定的；惩罚项是基于自适应惩罚系数和中间变量的小数位宽的平均值确定的；对中间变量的整数位宽进行量化。本发明提供的面向MIMO检测器的量化方法，无需人工参与就能够为MIMO检测器中各中间变量自动分配量化位宽，量化后的MIMO检测器能够降低位宽开销、压缩比特冗余，误码性能无明显损失，适用于多种检测器，具备通用性。
-
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
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。
-
Patent Agency Ranking
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
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
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：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
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：CN116755663A
公开(公告)日：2023-09-15
申请号：CN202310650897.1
申请日：2023-06-02
Applicant: 网络通信与安全紫金山实验室
Abstract: 本发明提供一种高层级合成HLS库，应用于数字信号处理领域，该HLS库包括：MatView模块、Mat模块、矩阵操作实现模块；MatView模块基于MatView类实现，用于确定数字信号处理矩阵的矩阵存储地址、矩阵读取方式和矩阵操作类型，向Mat模块发送矩阵存储地址和矩阵读取方式，并向矩阵操作实现模块发送矩阵操作类型；Mat模块基于Mat类实现，用于存储矩阵及矩阵类型，并基于矩阵存储地址和矩阵读取方式，确定向矩阵操作实现模块发送的待操作数字信号处理矩阵和矩阵类型；矩阵操作实现模块用于基于待操作数字信号处理矩阵和矩阵类型，以及矩阵操作类型，执行矩阵操作，避免了硬件资源的浪费。
-
公开(公告)号：CN113541747B
公开(公告)日：2022-07-08
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
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。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
