-
公开(公告)号:CN115865296A
公开(公告)日:2023-03-28
申请号:CN202211476602.5
申请日:2022-11-23
Applicant: 东南大学
IPC: H04L5/00 , H04B7/0413 , H04B17/391
Abstract: 本发明公开了一种基于协方差的正交导频序列活跃检测方法。本发明针对无蜂窝分布式大规模MIMO通信系统中大规模免授权接入时面临的活跃用户检测问题,突破了传统活跃用户检测算法中受多种干扰影响的瓶颈问题。具体方案为,本发明首先提出了一种通信系统中设备间的协方差干扰度量方式,并利用最小化‑最大协方差干扰导频分配的方法,确定通信系统中各个接入设备发送的导频序列和发射功率。接着本发明采用部分更新坐标下降法来对在最小化‑最大协方差干扰的导频分配模式下的设备活跃性进行检测。该方法避免了非正交导频序列检测算法中导频开销过大的问题,对处理移动场景中的活跃用户检测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。
-
公开(公告)号:CN115865159A
公开(公告)日:2023-03-28
申请号:CN202211483299.1
申请日:2022-11-24
Applicant: 东南大学
IPC: H04B7/06 , H04B7/08 , G06F30/20 , G06F111/04 , G06F111/10
Abstract: 本发明提出了一种适用于无蜂窝毫米波MIMO系统的角度域混合波束成形方法。首先,该方法使用角度域混合波束成形代替全数字波束成形以减少硬件功耗;其次在系统中采用以用户为中心的服务方案,通过合理的用户关联减小发送功率和基于负载的回程线路功耗。该方法分别用变量表示用户与接入点关联与否、不同接入点的波束选择以及数字波束成形向量,接着将系统用户关联、波束成形设计问题建模为用户服务质量约束和功耗约束下的能效最大化问题;通过稀疏近似、Dinkelbach方法、等价变换和一阶泰勒展开将初始非凸问题转换为可迭代求解的凸问题,得到系统的最优能效。本发明相较于早期集中式MIMO系统以及全数字波束成形方法,在保证用户服务质量的同时提升了系统能效。
-
公开(公告)号:CN115801071A
公开(公告)日:2023-03-14
申请号:CN202211475966.1
申请日:2022-11-23
Applicant: 东南大学
IPC: H04B7/0413 , H04L25/02
Abstract: 本发明公开了一种无人机通信的结构化张量分解辅助的导频污染消除方法。本发明设计了一个两阶段导频传输方案并有意引入导频污染用于导频污染消除。具体方案为,基站将接收到的导频信号表述为二阶张量,从而将导频污染消除问题转化为联合信道参数估计问题,利用因子矩阵的范德蒙(Vandermonde)结构,本发明提出了一种结构化CANDECOMP/PARAFAC分解辅助(SCPD)的方法估计信道参数,进而重构信道并消除导频污染。该方法仅利用了标准线性代数,避免了大量的迭代,在提高信道估计精度的同时降低了计算的复杂度,对处理移动场景中的导频污染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。
-
公开(公告)号:CN112953864B
公开(公告)日:2022-10-14
申请号:CN202110404584.9
申请日:2021-04-15
Applicant: 东南大学
IPC: H04L25/02 , H04W12/03 , H04B7/0413
Abstract: 本发明公开了一种保护隐私的无蜂窝混合大规模MIMO系统信道估计方法,适用于通信领域使用。通过建立上行链路信号传输模型以及混合结构采样模型,每个AP得到一个不完整的基带信号采样矩阵用于信道估计;设计保护隐私的矩阵补全算法,以每个AP得到的不完整的基带信号采样矩阵为输入,在保护用户位置隐私的同时,每个AP输出一个完整的矩阵;每个AP根据输出的完整的矩阵以及已知的导频矩阵进行信道估计,从而在有效保护单天线用户位置的隐私的同时达到最佳的信道估计性能。能够很好的保护用户位置隐私的同时,取得很好的信道估计性能。
-
公开(公告)号:CN113660062B
公开(公告)日:2022-07-12
申请号:CN202110917174.4
申请日:2021-08-11
Applicant: 东南大学
IPC: H04L1/00 , H04B7/0413 , H04L25/02 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种无蜂窝大规模分布式MIMO系统中基于深度强化学习的低精度ADC量化比特数分配方法,包括以下步骤:步骤一,建立系统频谱效率和能量效率联合最大化问题;步骤二,通过深度强化学习算法,迭代求解步骤一建立的问题。本发明将一个多目标优化问题转化为单目标优化问题,利用深度强化学习,将复杂的数学求解问题转化为神经网络参数优化问题,所提出算法能够快速求解出联合优化系统频谱效率和能量效率的RAU量化比特分配方案,且具有大尺度信息的自适应性,获得比等精度量化比特分配更优的性能。
-
公开(公告)号:CN114501480A
公开(公告)日:2022-05-13
申请号:CN202210313790.3
申请日:2022-03-28
Applicant: 东南大学
Abstract: 本发明公开了一种毫米波分布式网络中用户关联和波束成形联合多目标优化方法,包括以下步骤:步骤S1:建立在毫米波频段下基于分布式天线网络技术的数学模型;步骤S2:确定多个优化目标并通过模糊逻辑确定各个优化目标的权重;步骤S3:建立联合优化问题的数学模型,并确定其目标函数和约束条件;步骤S4:采用模糊逻辑引导的基因扩展遗传算法求解步骤S3提出的优化问题。本发明能够通过对用户关联和波束成形的有效调整,对通信系统的吞吐量、端到端延迟与负载平衡进行了有效的权衡与优化。
-
公开(公告)号:CN113067783B
公开(公告)日:2022-04-22
申请号:CN202110291262.8
申请日:2021-03-18
Applicant: 东南大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明涉及一种用于分布式天线系统的协方差矩阵估计方法,该方法针对协方差矩阵未知情况下的无蜂窝大规模MIMO系统的信道估计问题,提出一种通过改变训练导频消除干扰和噪声得到协方差未知情况下的精确信道估计,以解决现有技术未考虑协方差矩阵未知,导致现实情况下信道估计的准确度不高的问题。此外,根据估计的信道信息利用大规模矩阵理论,对系统频谱效率进行计算,分析系统性能。本发明所提出的方法不额外增加导频,只是利用发送导频的特殊结构,有效消除干扰和噪声,计算复杂度不高,且适用于各种无线通信系统,此外,利用随机矩阵理论,对系统性能进行评价,可以拓展到各种场合,具有一定的价值。
-
公开(公告)号:CN113078929B
公开(公告)日:2022-02-08
申请号:CN202110289438.6
申请日:2021-03-18
Applicant: 东南大学
IPC: H04B7/0413 , H04L25/03
Abstract: 本发明涉及一种网络辅助全双工无蜂窝大规模MIMO双工模式优化方法,属于移动通信技术领域。该方法针对无蜂窝大规模MIMO场景下网络辅助全双工的系统频谱效率最大化问题,利用二元模式选择向量建模RAU(remote antenna unit,远端天线单元)工作模式为上行还是下行传输的问题,给出一种放松对单元超立方体的二进制约束,并在并行连续凸逼近(PSCA)框架下解决了该非凸优化问题的方法。本发明提出的算法能提高无蜂窝大规模MIMO场景下网络辅助全双工系统的性能,且复杂度较低。
-
公开(公告)号:CN112468197B
公开(公告)日:2021-11-12
申请号:CN202011383307.6
申请日:2020-12-01
Applicant: 东南大学
IPC: H04B7/0426 , H04B7/06 , H04B7/0452
Abstract: 本发明公开了一种联合优化C‑RAN中波束成形和用户关联方法,包括以下步骤:步骤S1,建立基于集中化处理和分布式天线系统的C‑RAN数学模型;步骤S2,建立联合优化问题数学模型的目标函数和约束条件;步骤S3,将原问题转化为凸问题;步骤S4,采用迭代算法求解步骤S3转化后的凸问题。本发明能够联合优化系统的波束成形和用户关联,使C‑RAN中的远端天线单元达到负载平衡并且有效降低网络的发射功率,具有广阔的应用前景。
-
公开(公告)号:CN113271127A
公开(公告)日:2021-08-17
申请号:CN202110544373.5
申请日:2021-05-19
Applicant: 东南大学
IPC: H04B7/0413 , H04B7/0426
Abstract: 本发明公开了一种基于最优保留遗传算法的分布式全双工大规模MIMO系统天线工作模式选择方法,包括以下步骤:将分布式全双工大规模MIMO系统下的天线模式选择问题转化为最大化系统和频谱效率的最优化问题,并采用基于最优保留的遗传算法来获取目标模式选择结果;首先初始化随机天线分配向量种群集合,并以系统和频谱效率作为适应度函数来计算种群集合中每个个体的适应度值;然后在种群迭代次数未达到所设上限时,执行进行种群进化操作;在进化过程中,利用最优保留策略来保证进化过程中出现的最好个体不会因为交叉变异等原因而发生丢失;最后,当迭代次数达到上限时,输出最优个体所代表的天线分配向量。本发明有效提高了系统性能。
-
-
-
-
-
-
-
-
-