公开(公告)号：CN111200470A

公开(公告)日：2020-05-26

申请号：CN202010027487.8

申请日：2020-01-10

Applicant: 东南大学

Inventor： 姜明 ,  邹龙浩 ,  赵春明

IPC: H04B17/391 ,  H04L27/34 ,  G06N3/08

Abstract: 本发明涉及一种适用于受非线性干扰的高阶调制信号传输控制方法，通过神经网络来实现解调功能，以减少功率放大器对信号造成的非线性干扰，从而恢复出发射端的信号，其中，神经网络的代价函数采用交叉熵函数；训练方法采用反向传播算法；将经过匹配滤波器后的信号的实部、虚部以及对应的功率回退系数作为神经网络的输入，神经网络的输出结果代表了QAM信号中每个比特为1的概率值；而且神经网络的隐藏层和输出层的激活函数分别采用tanh函数和sigmoid函数；整个设计方案与现有非线性场景下高阶调制信号的解调算法对比，不仅性能上有所提高，而且算法的复杂度降低。

公开(公告)号：CN111132297A

公开(公告)日：2020-05-08

申请号：CN201911314897.4

申请日：2019-12-19

Applicant: 东南大学

Inventor： 沈弘 ,  何振耀 ,  许威 ,  赵春明

IPC: H04W52/26 ,  H04W52/40 ,  H04W52/02 ,  H04B7/06 ,  H04B7/0426

Abstract: 本发明公开了一种超密集网络发射功率最小化的波束成形优化方法与装置，本发明考虑一个存在一个宏基站以及多个小基站的超密集网络，用户根据所在位置接入相应基站，通过构建以用户QoS需求以及小基站回程速率受限为约束，最小化系统的总发射功率为目标的优化问题，联合优化宏基站以及所有小基站的发射波束成形。优化过程是首先引入中间变量，迭代求解关于中间变量的优化问题，每次迭代过程中需要求解一个SDP问题，然后基于最优的中间变量，采用高斯随机化得到一系列满足原问题约束的发射波束成形作为备选解，选择其中发射功率最小的一组解作为最优发射波束成形。相较于传统迫零传输方案，本发明能够显著降低系统总发射功率。

公开(公告)号：CN107864012B

公开(公告)日：2020-02-18

申请号：CN201710975761.2

申请日：2017-10-19

Applicant: 东南大学

Inventor： 傅学群 ,  张旭 ,  赵春明

IPC: H04B10/116 ,  H04B10/075

Abstract: 本发明是一种可见光通信系统中遮挡识别的方法，该方法利用调度器收集用户上报的接收功率强度信息，计算得到所有的有效光链路上的历史平均功率。调度器根据平均功率与当前功率的差值来确定该链路是否被遮挡。另外，通过引入大辐射角灯组，使用户能够接收到相邻小区灯组的信号，调度器通过对这类链路上功率的跟踪来确定该链路是否被遮挡。最后，综合用户收到的来自当前小区以及相邻小区的灯组信号功率强度变化来推断遮挡物的特性，主要分为竖直型遮挡（直立人体躯干等）以及水平型遮挡（水平放置的书本、人手等）。该方法在遮挡场景下可以提供较高的遮挡识别正确率，为不同特性的遮挡场景下的通信性能分析以及补偿策略提供了可靠的参考。

公开(公告)号：CN110518945A

公开(公告)日：2019-11-29

申请号：CN201910768274.8

申请日：2019-08-20

Applicant: 东南大学

Inventor： 沈弘 ,  黄彦 ,  赵春明

IPC: H04B7/0413 ,  H04B17/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习与SDR算法的MIMO检测方法及装置。该方法首先随机生成训练用的信道矩阵与发射信号，计算出对应的接收信号，然后利用现有的SDR算法，由接收信号与信道矩阵得到发射符号估计值。在训练阶段，将预先产生的信道矩阵和接收信号作为深度神经网络输入，将传统半定松弛检测得到的发射符号估计值作为深度神经网络输出，并采用均方误差作为训练代价函数。在MIMO检测阶段，将实际的信道矩阵和接收信号作为深度神经网络输入，根据训练阶段得到的网络参数输出检测结果。本发明检测性能接近半定松弛检测且能够有效降低传统半定松弛检测的在线计算复杂度，利于工程实现。

公开(公告)号：CN107222261B

公开(公告)日：2019-08-20

申请号：CN201710506483.6

申请日：2017-06-28

Applicant: 东南大学

Inventor： 王家恒 ,  凌昕彤 ,  曾雨旻 ,  赵春明

IPC: H04B10/116 ,  H04B10/50 ,  H04B7/06 ,  H04L27/26

Abstract: 本发明公开了一种非平坦信道下多光源多载波可见光通信系统的优化方法，包括如下步骤：(1)设置多光源多载波可见光通信系统的参数，包括信道参数、噪声大小和最大光功率，以最大化数据速率R为目标优化；(2)对直流偏置b优化，得到优化后的直流偏置b*；(3)归一化波束成形向量{uk}进行优化，k＝1,...,K‑1，其中K是子载波的总个数，得到优化后的归一化波束成形向量(4)根据优化后的归一化波束成形向量得到近似最优的波束成形向量ω*。本发明的优化方法不需要额外改变系统硬件等外部条件，仅通过简单的计算，就能大大提升系统性能；当系统的最大光功率受限时，优化后的系统光强能够保持恒定，可以兼顾照明；本发明优化方法收敛速度快，易于实现，鲁棒性高。

公开(公告)号：CN109981112A

公开(公告)日：2019-07-05

申请号：CN201811124827.8

申请日：2018-09-26

Applicant: 东南大学

Inventor： 姜明 ,  李政熠 ,  赵春明

IPC: H03M13/11 ,  H03M13/00

Abstract: 本发明公开了一种部分循环冗余校验辅助的排序统计译码方法，该方法适用于信息位满足循环冗余校验(CRC)的低密度奇偶校验(LDPC)码的软判决译码。在译码前，根据循环冗余校验的生成多项式形成系统生成矩阵，并将该矩阵分成两部分，一部分用于检测译码结果，另一部分用于辅助译码；将辅助译码的部分CRC生成矩阵和低密度奇偶校验码的生成矩阵相乘得到联合生成矩阵；译码过程主要采用迭代排序统计译码(BP‑OSD)方法，联合生成矩阵用作OSD算法中的编码矩阵。译码完成后，对码字的信息位做CRC校验，如果满足，该码作为译码输出；否则判决为译码失败。该方法在保留CRC检错功能的同时较大的增强了LDPC码的纠错性能。

公开(公告)号：CN106533614B

公开(公告)日：2019-04-09

申请号：CN201610487521.3

申请日：2016-06-28

Applicant: 东南大学

Inventor： 姜明 ,  王辰 ,  赵春明 ,  梁霄 ,  黄鹤

IPC: H04L1/00 ,  H04L1/16

Abstract: 本发明提供一种适用于多信源单中继通信系统基于部分信息反馈的分布式卢比变换(LT)编码方法。使用该编码方法的通信系统，其接收端向发送端反馈已知信息包数n，每个信源获取反馈信息后根据n值同时调整分布式LT码编码分布并发送到中继端。中继端将各信源编码数据重构成一个优化的LT编码。在本发明方法中，接收端已经恢复部分信源信息，将已正确接收的部分信息状态反馈给信源，可以降低各信源发送端后续编码的不确定度，减少接收端恢复剩余信息所需的整体编码数据包数量，改进了传统分布式LT码的性能。

公开(公告)号：CN109586776A

公开(公告)日：2019-04-05

申请号：CN201910054978.9

申请日：2019-01-21

Applicant: 东南大学

Inventor： 张华 ,  张仁民 ,  许威 ,  赵春明 ,  尤肖虎

IPC: H04B7/0456 ,  H04B7/06

Abstract: 本发明公开了一种基于子阵列协作的多精度码本产生及自适应波束训练方法，包括PS-DFT多精度码本生成算法和自适应波束训练算法。多精度码本具有模拟/数字混合结构：子阵列上的DFT基本子波束通过模拟射频组件形成，子阵列间的协作通过数字基带组件选择基本子波束、调整子波束间相位差和进行功率分配实现；自适应波束训练算法根据不同的传输信噪比自适应地选择进行初始级波束训练所应在的码本层号。本发明具有硬件实现复杂度低、带内波束平坦、角度估计准确率高。本发明适用于通信双方采用部分连接混合预编码结构的毫米波大规模天线点对点无线通信系统，且收发两侧使用的阵列为半波天线间距的均匀线性阵列。

公开(公告)号：CN105813189B

公开(公告)日：2018-12-14

申请号：CN201610128489.X

申请日：2016-03-07

Applicant: 东南大学

Inventor： 王家恒 ,  官伟 ,  史锋峰 ,  赵春明

IPC: H04W52/26 ,  H04W52/34

Abstract: 本发明公开了一种蜂窝网中的D2D分布式功率优化方法，通过不动点迭代分布式地求解基站和D2D用户的发射功率，从而得到D2D设备和基站在各个信道上的功率分配及通信速率。主要用凸近似的方法将非凸问题近似为可分割的凸优化问题，并通过多层迭代快速收敛到凸问题的优化解。本发明适用范围广，频谱资源共享、系统性能提升更加灵活，计算量小，速度快。

公开(公告)号：CN108881080A

公开(公告)日：2018-11-23

申请号：CN201810540491.7

申请日：2018-05-30

Applicant: 东南大学

Inventor： 赵春明 ,  黄启圣 ,  姜明 ,  李骁敏

IPC: H04L25/03

CPC classification number: H04L25/03821

Abstract: 本发明涉及一种基于滑动窗与深度学习的OFDM抗ICI检测方法，滑动窗主要由输出部分和保护间隔两部分组成，输出部分输出子载波检测结果，保护间隔部分用于辅助完成输出部分消除保护间隔子载波对输出部分子载波的ICI干扰。ICI的消除具体通过深度网络结构训练滑动窗中的参数来实现，训练算法为Adam算法，采用mini‑batch方式，每个batch中使用的训练用矩阵为从一组时变信道矩阵中一段固定位置中取出且经过筛选的子矩阵，训练直至损失函数收敛得到具有ICI消除功能的滑动窗系数。检测时滑动窗串行在多子载波OFDM符号的频域滑动并通过每次输出部分输出检测完成的信号直至整个OFDM符号检测完成。