一种异步多用户无蜂窝超大规模天线传输系统和方法

    公开(公告)号:CN118101002A

    公开(公告)日:2024-05-28

    申请号:CN202410311484.5

    申请日:2024-03-19

    申请人: 东南大学

    摘要: 本发明公开了一种异步多用户无蜂窝超大规模天线传输系统和方法,采用宽带波束赋形,区分多个用户,在波束域通过在基站侧调整提前发送量,避免在终端侧的异步干扰;根据用户的上行时延,通过波束赋形降低用户间干扰,然后进行同步,先解码时延小的用户,抵消检测的用户,然后再进行同步操作,解码时延大的用户;对于下行,通过多个AAU的相干发送,提升下行信噪比;对于上行链路对AAU检测结果在vCPU合并,可以提升上行信噪比,本发明可以有效解决无蜂窝系统的异步传输问题。

    一种网络辅助全双工系统的模数转换器精度分配方法

    公开(公告)号:CN115801072B

    公开(公告)日:2024-04-02

    申请号:CN202211475992.4

    申请日:2022-11-23

    申请人: 东南大学

    摘要: 本发明涉及一种网络辅助全双工系统的模数转换器精度分配方法,属于移动通信技术领域。该方法针对基站端天线配备低精度模数转换器的上行无蜂窝系统的频谱效率、能量效率联合优化问题,在用户服务质量约束与总量化比特约束下,给出一种基于非支配遗传算法的方法来联合优化频谱效率与能量效率,解决了该非凸优化问题难以求解的问题。所提出算法能够快速求解出使系统频谱效率与能量效率最大化的低精度模数转换器量化精度选择方案,获得比等精度量化比特分配更优的性能,相比于传统凸优化方法具有更低的复杂度,且适用于其他多种全双工和半双工系统。

    一种高铁无蜂窝系统中基于深度强化学习的抗多普勒方法

    公开(公告)号:CN116600267A

    公开(公告)日:2023-08-15

    申请号:CN202310417624.2

    申请日:2023-04-19

    申请人: 东南大学

    摘要: 本发明公开了一种高铁无蜂窝系统中基于深度强化学习的抗多普勒方法,该方法包括:在发射器和接收器处使用大规模均匀线性阵列(ULA)组成波束成形网络,进行不同角度信号的分离,其中发射器处不同方向的波束分支对应不同的多普勒频偏(DFO);结合多智能体深度强化学习(MADDPG),将高铁场景的相关内容建模为MADDPG中的环境状态,动作,和奖励;当高铁与多个基站同时通信时,每个天线阵列作为一个智能体,高铁侧根据MADDPG算法的结果进行预编码及预补偿,基站侧根据MADDPG算法的结果进行波束成形,从角度域分离不同的DFO并补偿对应的多普勒频偏;根据环境的反馈,不断训练MADDPG网络直至收敛。

    低空立体覆盖场景下无蜂窝系统的智能功率控制方法

    公开(公告)号:CN116390133A

    公开(公告)日:2023-07-04

    申请号:CN202310417619.1

    申请日:2023-04-19

    申请人: 东南大学

    摘要: 本发明公开了一种低空立体覆盖场景下无蜂窝系统的智能功率控制方法。本发明设计了一个对部分分布式架构的无蜂窝系统进行智能功率控制的方法。具体方案为:对系统信号进行建模并推导非理想信道状态信息下采用三种不同接收机时用户上行频谱效率的闭合表达式,然后联合优化无人机和地面用户的平均频谱效率,采用深度Q网络(DQN)算法得到权衡最优解。该方法提高了系统的可扩展性,采用不同接收机减少用户间干扰,提高了信号处理的可扩展性,通过DQN算法权衡无人机和地面用户之间的平均频谱效率,以较低复杂度实现了对系统整体性能的优化,对移动场景中的性能分析和优化问题具有非常重要的意义,因此本发明具有一定的实际价值。

    一种人工智能辅助的MIMO检测方法
    15.
    发明公开

    公开(公告)号:CN115941002A

    公开(公告)日:2023-04-07

    申请号:CN202211568317.6

    申请日:2022-12-08

    申请人: 东南大学

    摘要: 本发明公开了一种人工智能辅助的MIMO检测方法。首先确定MIMO检测中计算量较大的步骤,收集需要的输入输出训练数据;进而采用深度学习中的多层感知机(MLP)模型,对所需要优化的步骤进行学习和映射,得到训练好的模型参数;然后将MIMO检测算法中复杂度较高的计算过程转化为神经网络前向传播过程,即若干次矩阵乘法和矩阵相加运算,以达到降低检测算法复杂度的目的。在不同场景下验证了所提检测算法的有效性,检测性能能够逼近原始MIMO检测算法的效果,且相较于原始MIMO检测算法,可以大大降低计算复杂度。

    一种基于克拉美罗界的通感融合接入点选择方法

    公开(公告)号:CN115884295A

    公开(公告)日:2023-03-31

    申请号:CN202211489805.8

    申请日:2022-11-25

    申请人: 东南大学

    摘要: 本发明公开了一种基于克拉美罗界的通感融合接入点选择方法。该方法针对具有通信和感知功能的接入点在场景中的功能分配未考虑到对感知功能的定位精度性能影响的情况,通过引入克拉美罗性能界限分析,并利用定位精度热力图验证的方式验证具有感知功能的接入点选择的合理性,在保障通信性能的同时获得更高的感知定位精度,以解决现有技术大多未考虑通感一体通感融合接入点选择对感知性能影响的问题。本发明成果实现了无蜂窝大规模MIMO下移动通信领域的通感融合接入点选择的方法,在保障通信效果的前提下,有效的提升了接入点的感知能力,促进通信资源的合理分配。

    高速铁路场景下基于位置和历史信息的快速波束对准方法

    公开(公告)号:CN115865156A

    公开(公告)日:2023-03-28

    申请号:CN202211476232.5

    申请日:2022-11-23

    申请人: 东南大学

    摘要: 本发明公开了高速铁路场景下基于位置和历史信息的快速波束对准方法,该方法包括:提前设定中断阈值和协作阈值,且协作阈值略高于中断阈值,用于判断是否需要进行RRU协作为MR提供服务;建立查找表,用于记录每一位置对应的最新最佳波束对,执行一次全空间的波束训练过程,为每个位置确定最佳波束对,初始化查找表;当列车再次经过同一位置时,MR从查找表中查询该位置上一时刻的波束训练结果;若最新历史波束对为1对,则执行基于位置和历史信息的单RRU快速波束对准方案,确定该时刻最佳波束对;若最新历史波束对为2对,则执行基于位置和历史信息的RRU协作快速波束对准方案,确定该时刻最佳波束对;最后更新查找表,用于后续波束训练。

    一种基于生成树算法的6G无蜂窝大规模MIMO信道校准方法

    公开(公告)号:CN115622639A

    公开(公告)日:2023-01-17

    申请号:CN202211127541.1

    申请日:2022-09-16

    申请人: 东南大学

    摘要: 本发明公开了一种基于生成树算法的6G无蜂窝大规模MIMO信道校准方法,包括如下步骤:(1)构建TDD模式下的无蜂窝大规模MIMO通信系统,并建立信道模型;(2)面向收发机中RF链路失配导致的信道非互易性问题,以最小化信道校准系统相对误差的期望值为目标,提出空口信道校准问题;(3)基于AP内部信道间的大尺度衰落先验信息,利用树图模型描述无蜂窝通信系统中AP间的拓扑校准关系;(4)基于有向树拓扑图,求解最优信道校准树,基于信道校准树计算AP的校准系数。本发明的基于信道生成树的校准算法降低了通信开销,且无需用户辅助,降低了通信校准系统实现难度。与传统算法相比,所提算法具有更高的系统校准精度。

    一种eMBB和URLLC切片下的分布式大规模MIMO能效优化方法

    公开(公告)号:CN114928852A

    公开(公告)日:2022-08-19

    申请号:CN202210550894.6

    申请日:2022-05-18

    申请人: 东南大学

    摘要: 本发明公开了一种eMBB和URLLC切片下的分布式大规模MIMO能效优化方法,包括:建立下行分布式大规模MIMO的数学模型;建立eMBB和URLLC切片下系统能效问题的目标函数和约束条件;基于半定松弛、丁克尔巴赫法、重加权l1范数以及辅助变量将原问题转化为凸问题;采用内外层循环算法求解转化后的凸问题。本发明能够有效提高分布式大规模MIMO系统的能效,高效调度eMBB与URLLC的资源,实现在共享的物理架构上满足不同用户服务质量(QoS)的需求,具有广阔的应用前景。

    毫米波MIMO-OFDM系统中基于3D-MUSIC算法的信道估计方法

    公开(公告)号:CN114928518A

    公开(公告)日:2022-08-19

    申请号:CN202210550913.5

    申请日:2022-05-18

    申请人: 东南大学

    IPC分类号: H04L25/02 G06N3/00 G06F17/16

    摘要: 本发明公开了一种毫米波MIMO‑OFDM系统中基于3D‑MUSIC算法的信道估计方法,适用于毫米波通信领域使用。首先建立上行链路信号传输的宽带稀疏多路径参数化信道模型,其中每条路径由传输时延,到达角(AOA),离开角(AOD)以及路径增益这四个参数指定;然后,通过三维波束空间多信号分类(MUSIC)算法同时估计出信道的AOA、时延和AOD这三个参数,并通过鸡群优化(CSO)算法来确定空间谱上多个谱峰的所在位置;最后,通过最小二乘(LS)法估计出信道的路径增益参数。本发明所提出的信道估计方法具有非常高的准确性,以及较好的信道参数估计性能。