公开(公告)号：CN107743103B

公开(公告)日：2020-02-14

申请号：CN201711021155.3

申请日：2017-10-26

Applicant: 北京交通大学

Inventor： 陈为 ,  白艳娜

IPC: H04L25/02 ,  H04W4/70

Abstract: 本发明提供了一种基于深度学习的MMTC系统的多节点接入检测和信道估计方法，包括：根据MMTC所采用的调制方案，确定每个节点的导频序列，确定每个节点的信道冲击响应；按照一定的节点活跃度生成输入数据，再进一步生成用于训练深度神经网络的训练集和验证集以及用于测试模型性能的测试集，设计用于检测活跃用户的DNN和BRNN模型并仿真验证，根据模型的用户活跃度检测结果运用最小二乘法解线性方程组进行信道估计。本发明提出的信道估计方法在不同的导频长度和不同的活跃用户数目下，用户接入检测的准确率均高于传统方法，且极大的缩减了节点接入检测的时间。

公开(公告)号：CN107743103A

公开(公告)日：2018-02-27

申请号：CN201711021155.3

申请日：2017-10-26

Applicant: 北京交通大学

Inventor： 陈为 ,  白艳娜

IPC: H04L25/02 ,  H04W4/70

Abstract: 本发明提供了一种基于深度学习的MMTC系统的多节点接入检测和信道估计方法，包括：根据MMTC所采用的调制方案，确定每个节点的导频序列，确定每个节点的信道冲击响应；按照一定的节点活跃度生成输入数据，再进一步生成用于训练深度神经网络的训练集和验证集以及用于测试模型性能的测试集，设计用于检测活跃用户的DNN和BRNN模型并仿真验证，根据模型的用户活跃度检测结果运用最小二乘法解线性方程组进行信道估计。本发明提出的信道估计方法在不同的导频长度和不同的活跃用户数目下，用户接入检测的准确率均高于传统方法，且极大的缩减了节点接入检测的时间。

公开(公告)号：CN105656577A

公开(公告)日：2016-06-08

申请号：CN201510968873.6

申请日：2015-12-22

Applicant: 北京交通大学

Inventor： 何睿斯 ,  陈为 ,  王琦 ,  艾渤 ,  钟章队 ,  于剑 ,  王威 ,  陈瑞凤

IPC: H04B17/391 ,  H04B1/7113 ,  H04W84/18

Abstract: 本发明提供了一种面向信道冲激响应的分簇方法和装置。所述面向信道冲激响应的分簇方法，包括：步骤一，基于稀疏优化理论对原始信道的信道冲激响应CIR进行重构；步骤二，基于重构的所述CIR信号进行CIR多径簇的检测，生成分簇结果；步骤三，根据模型拟合度，对所述分簇结果进行修正。本发明能够提高CIR多径分簇的准确度。