-
公开(公告)号：CN115361258B
公开(公告)日：2023-06-16
申请号：CN202210826619.2
申请日：2022-07-14
IPC: H04L25/02 , H04B17/391 , G06N3/0464 , G06N3/08 , G06F18/28 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO稀疏信道估计方法及相关设备，所述方法包括：本地服务器进行离线训练得到信道稀疏度认知神经网络、信道稀疏表示字典和信道稀疏重构神经网络；终端将OFDM信号输入到信道稀疏度认知神经网络中得到信道稀疏度；基站根据信道稀疏度确定下行传输信号中导频序列的长度；基站接收到下行传输信号后，根据信道稀疏度选择相应的信道稀疏表示字典进行信道稀疏表示，并根据信道稀疏重构神经网络一起进行信道稀疏重构。通过终端将OFDM信号输入到信道稀疏度认知神经网络中得到信道稀疏度，基站根据信道稀疏度进行信道稀疏表示，并根据信道稀疏重构神经网络一起进行信道稀疏重构，实现了高精度、低复杂度的信道估计。
-
公开(公告)号：CN115361258A
公开(公告)日：2022-11-18
申请号：CN202210826619.2
申请日：2022-07-14
IPC: H04L25/02 , H04B17/391 , G06N3/04 , G06N3/08 , G06K9/62 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO稀疏信道估计方法及相关设备，所述方法包括：本地服务器进行离线训练得到信道稀疏度认知神经网络、信道稀疏表示字典和信道稀疏重构神经网络；终端将OFDM信号输入到信道稀疏度认知神经网络中得到信道稀疏度；基站根据信道稀疏度确定下行传输信号中导频序列的长度；基站接收到下行传输信号后，根据信道稀疏度选择相应的信道稀疏表示字典进行信道稀疏表示，并根据信道稀疏重构神经网络一起进行信道稀疏重构。通过终端将OFDM信号输入到信道稀疏度认知神经网络中得到信道稀疏度，基站根据信道稀疏度进行信道稀疏表示，并根据信道稀疏重构神经网络一起进行信道稀疏重构，实现了高精度、低复杂度的信道估计。
-
公开(公告)号：CN115361257A
公开(公告)日：2022-11-18
申请号：CN202210825379.4
申请日：2022-07-14
IPC: H04L25/02 , H04B17/391 , H04B7/0413
Abstract: 本发明公开了上行大规模MIMO稀疏信道估计方法及相关设备，所述上行大规模MIMO稀疏信道估计方法包括：基于上行大规模MIMO系统中信道在时延和角度域的双层稀疏结构特征构建双层块稀疏模型；在双层块稀疏模型中控制用户端向基站端发送导频符号；根据基站端接收到的所述导频符号获得接收信号向量；基于变分贝叶斯推断算法，并根据接收信号向量对双层块稀疏模型的预设参数进行迭代处理以获得信道估计值。本发明基于信道在时延和角度域的双层稀疏结构特征构建双层块稀疏模型，充分利用了信道的先验知识，进而提高了信道估计的准确性。
-
公开(公告)号：CN116260684A
公开(公告)日：2023-06-13
申请号：CN202310331282.2
申请日：2023-03-24
Applicant: 鹏城实验室
IPC: H04L25/02 , G06N3/0464 , H04L25/03
Abstract: 本发明属于无线通信技术领域，公开了一种稀疏信道估计方法、装置、设备及存储介质，该方法包括：将待处理信号输入角度重采样网络得到多个采样角度；根据采样角度构建待处理信号的稀疏信道表示字典；将稀疏信道表示字典与待处理信号输入深度展开神经网络，通过待处理信号、稀疏信道表示字典以及深度展开神经网络中预先训练好的可学习参数得到待处理信号的稀疏信道估计值；本发明通过重采样自适应确定贴近真实到达角的采样角度，并以此为基础构造信道角度域稀疏信道表示字典，实现更有效的信道稀疏表示，深度展开学习网络基于信道角度域稀疏信道表示字典快速收敛得到更准确的信道估计值，解决了在采用大带宽和高维天线阵列的基础上难以高效进行稀疏信道估计的技术问题。
-
公开(公告)号：CN116032699B
公开(公告)日：2024-05-14
申请号：CN202211694969.4
申请日：2022-12-28
Applicant: 鹏城实验室
IPC: H04L25/02
Abstract: 本发明公开了一种面向超大规模MIMO系统的稀疏信道估计方法，所述方法包括：基于上行超大规模MIMO通信系统中信道在时延与极化域的双层块稀疏结构特征，构建信道稀疏先验模型，其中，所述信道稀疏先验模型在建立时考虑近场效应并基于球面波假设进行建模；基于所述信道稀疏先验模型，控制用户端向基站端发送导频符号，并根据所述基站端接收到的所述导频符号接收稀疏信道向量；基于无求逆块稀疏变分贝叶斯推断算法，根据所述稀疏信道向量对所述信道稀疏先验模型中的待估计参数进行迭代更新，得到信道估计值。本发明可实现高精度、低复杂度的信道估计。
-
Patent Agency Ranking
公开(公告)号：CN116232440B
公开(公告)日：2024-05-14
申请号：CN202310326365.2
申请日：2023-03-23
Applicant: 鹏城实验室
Abstract: 本发明公开一种数据采集方法、系统及存储介质。应用于非正交多址接入系统，系统包括基站、安装有IRS的无人机以及无人机对应的至少一个数据采集设备，无人机用于将数据采集设备采集的环境信息传输至基站；方法包括确定数据采集设备的解码错误概率和信号与干扰加噪声比；根据信号与干扰加噪声比、解码错误概率确定数据采集设备的传输速率；根据传输速率、数据采集基本信息确定数据采集设备的AoI违规概率，并将AoI违规概率作为目标约束条件；根据目标约束条件和预设能耗最小算法确定数据采集参数，并根据数据采集参数进行数据采集。本发明基于目标约束条件对预设能耗最小算法进行约束，得到数据采集参数，能够减少数据采集的能耗。
-
公开(公告)号：CN116406007A
公开(公告)日：2023-07-07
申请号：CN202211641079.7
申请日：2022-12-20
Applicant: 鹏城实验室
IPC: H04W72/0446 , H04W72/044 , H04W24/02 , H04B17/391 , H04B17/382
Abstract: 本发明公开了一种通信系统的数据传输优化方法、装置、终端及介质，包括：根据级联信道模型对IRS辅助的信道进行建模；根据AoI的定义得到每个设备的AoI违规概率；构建信息时效性保障的有效容量最大化问题；根据李雅普诺夫优化算法将长期随机优化问题转化为每时隙确定性优化问题；将原有效容量最优化问题转化为马尔可夫决策过程；根据SAC算法对IRS相移和设备传输功率进行联合优化，得到优化后的数据传输策略。本发明解决了具有非完美CSI的IRS辅助NOMA通信系统中信息时效性保障的有效容量最大化问题。
-
公开(公告)号：CN116032699A
公开(公告)日：2023-04-28
申请号：CN202211694969.4
申请日：2022-12-28
Applicant: 鹏城实验室
IPC: H04L25/02
Abstract: 本发明公开了一种面向超大规模MIMO系统的稀疏信道估计方法，所述方法包括：基于上行超大规模MIMO通信系统中信道在时延与极化域的双层块稀疏结构特征，构建信道稀疏先验模型，其中，所述信道稀疏先验模型在建立时考虑近场效应并基于球面波假设进行建模；基于所述信道稀疏先验模型，控制用户端向基站端发送导频符号，并根据所述基站端接收到的所述导频符号接收稀疏信道向量；基于无求逆块稀疏变分贝叶斯推断算法，根据所述稀疏信道向量对所述信道稀疏先验模型中的待估计参数进行迭代更新，得到信道估计值。本发明可实现高精度、低复杂度的信道估计。
-
公开(公告)号：CN116232440A
公开(公告)日：2023-06-06
申请号：CN202310326365.2
申请日：2023-03-23
Applicant: 鹏城实验室
Abstract: 本发明公开一种数据采集方法、系统及存储介质。应用于非正交多址接入系统，系统包括基站、安装有IRS的无人机以及无人机对应的至少一个数据采集设备，无人机用于将数据采集设备采集的环境信息传输至基站；方法包括确定数据采集设备的解码错误概率和信号与干扰加噪声比；根据信号与干扰加噪声比、解码错误概率确定数据采集设备的传输速率；根据传输速率、数据采集基本信息确定数据采集设备的AoI违规概率，并将AoI违规概率作为目标约束条件；根据目标约束条件和预设能耗最小算法确定数据采集参数，并根据数据采集参数进行数据采集。本发明基于目标约束条件对预设能耗最小算法进行约束，得到数据采集参数，能够减少数据采集的能耗。
-
公开(公告)号：CN112187388B
公开(公告)日：2021-11-19
申请号：CN202011025813.8
申请日：2020-09-25
Applicant: 北京邮电大学
IPC: H04B17/391 , H04B7/0413
Abstract: 本发明实施例提供了一种对大规模天线阵列非平稳特性的建模方法、装置及计算设备，方法易于实现，状态转移简单，能很好地体现散射体簇的动态特性，更接近信道测量的结果，方法包括：获取平面天线的维度信息、阵元间距信息，以及，获取可观测的散射体簇的第一更新率和不可观测的散射体簇的第二更新率；获取平面天线的第一行第一列的天线阵元的可观测的散射体簇集合和不可观测的散射体簇集合；根据阵元间距信息和第一更新率，计算可观测的散射体簇和不可观测的散射体簇的交换概率；根据阵元间距信息和第二更新率，计算不可观测的散射体簇的替换概率；计算维度内任意行任意列的天线阵元的可观测的散射体簇集合和不可观测的散射体簇集合。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.03 seconds)
