-
公开(公告)号：CN111565079B
公开(公告)日：2022-06-03
申请号：CN202010329127.3
申请日：2020-04-23
Applicant: 重庆邮电大学
IPC: H04B17/336 , H04B7/0413
Abstract: 本发明属于移动通信技术领域，特别涉及一种用于MU‑MIMO一比特ADC系统的检测方法，包括根据MU‑MIMO的信道矩阵列向量的二范数对用户排序；将当前需要检测的用户信号作为有用信号、未检测的信号作为干扰，计算信干噪比；根据改进的软输入检测算法，在N并行B‑DMC框架中计算当前检测用户每比特信息的软信息，且每次检测只检测o个用户的信息；如果所有用户的信息均检测完毕，那么结束检测过程，否则继续检测下一个用户；本发明降低了信号检测的复杂度，有利于工程实行。
-
公开(公告)号：CN107483091B
公开(公告)日：2020-12-22
申请号：CN201710547435.1
申请日：2017-07-06
Applicant: 重庆邮电大学
IPC: H04B7/06 , H04B7/0417 , H04B17/391
Abstract: 本发明请求保护一种5G通信领域中FDD大规模MIMO‑OFDM系统下基于信道的时域稀疏性和卡尔曼信道预测模型的信道压缩和信道预测算法。解决了大规模MIMO‑OFDM下信道状态信息(CSI)反馈量过大，所反馈的CSI过时的问题。在用户设备(UE)接收端反馈CSI时，不是直接反馈，而是先将CSI做反傅里叶变换(IFFT)来进行CSI稀疏，再根据信道的时域稀疏性抽头形成压缩后的CSI，故CSI压缩到较低维度矩阵，从而减少反馈量。同时利用压缩后的CSI，通过卡尔曼滤波理论得到预测CSI，不仅降低预测复杂度，同时克服了反馈的CSI过时问题。
-
公开(公告)号：CN107547184B
公开(公告)日：2020-05-12
申请号：CN201710546892.9
申请日：2017-07-06
Applicant: 重庆邮电大学
IPC: H04L5/00 , H04B7/0413
Abstract: 本发明请求保护一种大规模MIMO系统中的动态导频分配方法。由区群中小区数、小区中用户数与导频序列长度，算出小区内的中心用户数与边缘用户数，并随机选取导频分成对应个数的导频序列子集。根据不同用户与基站之间的大尺度衰落系数大小将小区内的用户按降序排序，结合前面所求得的中心用户数和边缘用户数将小区内用户分为小区中心用户组和小区边缘用户组。针对小区边缘用户，区群内的相邻小区边缘用户分配相互正交的导频序列，区群外的相邻小区边缘用户实现区群间导频复用；针对小区中心用户，所有中心用户分配相同的导频。增强了系统导频分配的灵活性，提高了系统的利用率，达到了减小导频污染的目的。
-
公开(公告)号：CN111212014B
公开(公告)日：2022-07-15
申请号：CN201911298068.1
申请日：2019-12-17
Applicant: 重庆邮电大学
IPC: H04L27/38 , H04L27/26 , H04L5/00 , H04W56/00 , H04B1/7156
Abstract: 本发明涉及移动通信技术领域，具体涉及一种基于跳频规则的NB‑IOT定时提前量估计方法，包括：通过射频对空口信号进行采样，得到采样信号；在采样信号中提取出基带信号，并进行基带信号处理；确定符号组所在频点位置，并基于跳频图样判定RACH信号；基于跳频规则估计定时提前量，对随机接入符号组中的符号进行两两共轭相乘，之后利用随机接入符号组跳频规则消除残留载波偏移CFO，再估计出定时提前量；获得定时提前估计量及前导索引。本发明利用随机接入符号组的跳频规则，在频域消除了残留载波偏移，提高了定时提前量估计精度，采取共轭相乘的方式完成算法的计算，复杂度低，利于硬件实现。
-
公开(公告)号：CN107547184A
公开(公告)日：2018-01-05
申请号：CN201710546892.9
申请日：2017-07-06
Applicant: 重庆邮电大学
IPC: H04L5/00 , H04B7/0413
Abstract: 本发明请求保护一种大规模MIMO系统中的动态导频分配方法。由区群中小区数、小区中用户数与导频序列长度，算出小区内的中心用户数与边缘用户数，并随机选取导频分成对应个数的导频序列子集。根据不同用户与基站之间的大尺度衰落系数大小将小区内的用户按降序排序，结合前面所求得的中心用户数和边缘用户数将小区内用户分为小区中心用户组和小区边缘用户组。针对小区边缘用户，区群内的相邻小区边缘用户分配相互正交的导频序列，区群外的相邻小区边缘用户实现区群间导频复用；针对小区中心用户，所有中心用户分配相同的导频。增强了系统导频分配的灵活性，提高了系统的利用率，达到了减小导频污染的目的。
-
Patent Agency Ranking
公开(公告)号：CN111565079A
公开(公告)日：2020-08-21
申请号：CN202010329127.3
申请日：2020-04-23
Applicant: 重庆邮电大学
IPC: H04B17/336 , H04B7/0413
Abstract: 本发明属于移动通信技术领域，特别涉及一种用于MU-MIMO一比特ADC系统的检测方法，包括根据MU-MIMO的信道矩阵列向量的二范数对用户排序；将当前需要检测的用户信号作为有用信号、未检测的信号作为干扰，计算信干燥比；根据改进的软输入检测算法，在N并行B-DMC框架中计算当前检测用户每比特信息的软信息，且每次检测只检测o个用户的信息；如果所有用户的信息均检测完毕，那么结束检测过程，否则继续检测下一个用户；本发明降低了信号检测的复杂度，有利于工程实行。
-
公开(公告)号：CN111212014A
公开(公告)日：2020-05-29
申请号：CN201911298068.1
申请日：2019-12-17
Applicant: 重庆邮电大学
IPC: H04L27/38 , H04L27/26 , H04L5/00 , H04W56/00 , H04B1/7156
Abstract: 本发明涉及移动通信技术领域，具体涉及一种基于跳频规则的NB-IOT定时提前量估计方法，包括：通过射频对空口信号进行采样，得到采样信号；在采样信号中提取出基带信号，并进行基带信号处理；确定符号组所在频点位置，并基于跳频图样判定RACH信号；基于跳频规则估计定时提前量，对随机接入符号组中的符号进行两两共轭相乘，之后利用随机接入符号组跳频规则消除残留载波偏移CFO，再估计出定时提前量；获得定时提前估计量及前导索引。本发明利用随机接入符号组的跳频规则，在频域消除了残留载波偏移，提高了定时提前量估计精度，采取共轭相乘的方式完成算法的计算，复杂度低，利于硬件实现。
-
公开(公告)号：CN110912670A
公开(公告)日：2020-03-24
申请号：CN201911135780.X
申请日：2019-11-19
Applicant: 重庆邮电大学
IPC: H04L5/00 , H04B7/0413 , G06K9/62
Abstract: 本发明属于移动通信技术领域，特别涉及一种基于K均值聚类的大规模MIMO导频分配方法及装置，方法包括：根据用户的大尺度衰落因子设置分组门限，将用户干扰系数大于分组门限的用户分为高干扰组，否则为低干扰组；为低干扰组的用户分配相同的导频序列；设置K个聚类中心数量，利用K均值聚类算法对高干扰组进行分类，将高干扰组分为K个簇；对K个簇进行分组，将相对空间距离大于1000m的簇分为非干扰组，否则为干扰组；为同一个簇内的用户分配正交导频，且非干扰组的用户复用导频；本发明在导频资源有限的情况下，减少因为使用非正交的导频序列的终端对目标终端带来的干扰，从而有效的抑制导频污染问题对大规模MIMO系统性能的影响。
-
公开(公告)号：CN109167624A
公开(公告)日：2019-01-08
申请号：CN201811328935.7
申请日：2018-11-09
Applicant: 重庆邮电大学
IPC: H04B7/08 , H04B7/0413 , H04L12/753 , H04L27/36
Abstract: 本发明属于5G通信技术领域，具体为一种基于A-Star算法的接收天线最优路径寻找方法，包括以下步骤：计算出接收天线索引序列的欧氏距离期望，对期望进行降序排列；把排序后的接收天线索引序列作为搜索层数序列，确定搜索树；用搜索树的分支表示发送向量，搜索树的根为A-Star算法初始节点，对排序后的接收天线进行树搜索，找到接收天线的最优路径。本发明能够在系统性能和计算复杂度之间进行有效的权衡。
-
公开(公告)号：CN107483091A
公开(公告)日：2017-12-15
申请号：CN201710547435.1
申请日：2017-07-06
Applicant: 重庆邮电大学
IPC: H04B7/06 , H04B7/0417 , H04B17/391
CPC classification number: H04B7/0626 , H04B7/0417 , H04B17/3913
Abstract: 本发明请求保护一种5G通信领域中FDD大规模MIMO-OFDM系统下基于信道的时域稀疏性和卡尔曼信道预测模型的信道压缩和信道预测算法。解决了大规模MIMO-OFDM下信道状态信息(CSI)反馈量过大，所反馈的CSI过时的问题。在用户设备(UE)接收端反馈CSI时，不是直接反馈，而是先将CSI做反傅里叶变换(IFFT)来进行CSI稀疏，再根据信道的时域稀疏性抽头形成压缩后的CSI，故CSI压缩到较低维度矩阵，从而减少反馈量。同时利用压缩后的CSI，通过卡尔曼滤波理论得到预测CSI，不仅降低预测复杂度，同时克服了反馈的CSI过时问题。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
