一种基于大尺度衰落和多路径到达角的多用户导频调度方法

    公开(公告)号:CN107070624A

    公开(公告)日:2017-08-18

    申请号:CN201710176842.6

    申请日:2017-03-23

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于大尺度衰落和多路径到达角的多用户导频调度方法,包括以下步骤:S1:获得用户k到所有RAU的信道协方差矩阵集合Rk=diag([Rk1…RkM]T)以及P个正交导频序列S2:计算用户i和用户j之间的相关性系数;S3:初始化未调度的用户集未使用的导频序列集n=1;S4:如果继续进行步骤S5;如果直接跳至步骤S9;S5:计算用户集中各用户间的平均相关性;S6:令t=1,S7:计算用户集中指定用户以外的其他用户到指定用户的相关性之和,并进行排序;S8:判断是否已经找出两两相关性均在平均相关性范围内的K/P个用户;S9:结束。本发明相比于基于遍历思想的系统导频污染最小化的调度方法,在系统导频污染损失可以忽略不计的情况下极大地降低了计算复杂度。

    一种保护隐私的无蜂窝混合大规模MIMO系统信道估计方法

    公开(公告)号:CN112953864A

    公开(公告)日:2021-06-11

    申请号:CN202110404584.9

    申请日:2021-04-15

    Applicant: 东南大学

    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。

    一种保护隐私的无蜂窝混合大规模MIMO系统信道估计方法

    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

    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。

    一种基于大尺度衰落和多路径到达角的多用户导频调度方法

    公开(公告)号:CN107070624B

    公开(公告)日:2020-03-31

    申请号:CN201710176842.6

    申请日:2017-03-23

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于大尺度衰落和多路径到达角的多用户导频调度方法,包括以下步骤:S1:获得用户k到所有RAU的信道协方差矩阵集合Rk=diag([Rk1…RkM]T)以及P个正交导频序列S2:计算用户i和用户j之间的相关性系数;S3:初始化未调度的用户集未使用的导频序列集n=1;S4:如果继续进行步骤S5;如果直接跳至步骤S9;S5:计算用户集中各用户间的平均相关性;S6:令t=1,S7:计算用户集中指定用户以外的其他用户到指定用户的相关性之和,并进行排序;S8:判断是否已经找出两两相关性均在平均相关性范围内的K/P个用户;S9:结束。本发明相比于基于遍历思想的系统导频污染最小化的调度方法,在系统导频污染损失可以忽略不计的情况下极大地降低了计算复杂度。

    一种基于心音多维特征提取的身份识别算法及其系统

    公开(公告)号:CN104887263B

    公开(公告)日:2018-09-07

    申请号:CN201510262901.2

    申请日:2015-05-21

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于心音多维特征提取的身份识别算法及其系统,其方法包括:利用传感器采集心音信号,将采集到的心音信号通过先通过滤波器处理,再通过离散小波变换处理,得到较为纯净的信号;通过计算机提取心音信号的梅尔频率倒谱系数和希尔伯特边际谱;提取并组成模版特征;将模版特征归一化并使用PCA算法进行特征选择,构造更完善维度低的模版特征空间;使用KNN算法对训练特征训练;使用构造好的分类器测试待测试的测试特征。本发明将模式识别引入身份匹配算法当中,利用计算机自身学习能力和快速的运算能力,采用大量数据进行训练匹配,进一步提高了识别速度和精确度。

    一种基于心音多维特征提取的身份识别算法及其系统

    公开(公告)号:CN104887263A

    公开(公告)日:2015-09-09

    申请号:CN201510262901.2

    申请日:2015-05-21

    Applicant: 东南大学

    CPC classification number: G06F21/32 A61B7/00

    Abstract: 本发明公开了一种基于心音多维特征提取的身份识别算法及其系统,其方法包括:利用传感器采集心音信号,将采集到的心音信号通过先通过滤波器处理,再通过离散小波变换处理,得到较为纯净的信号;通过计算机提取心音信号的梅尔频率倒谱系数和希尔伯特边际谱;提取并组成模版特征;将模版特征归一化并使用PCA算法进行特征选择,构造更完善维度低的模版特征空间;使用KNN算法对训练特征训练;使用构造好的分类器测试待测试的测试特征。本发明将模式识别引入身份匹配算法当中,利用计算机自身学习能力和快速的运算能力,采用大量数据进行训练匹配,进一步提高了识别速度和精确度。

    一种低训练开销的混合大规模MIMO-OFDM系统信道估计方法

    公开(公告)号:CN113242193B

    公开(公告)日:2022-06-21

    申请号:CN202110504891.4

    申请日:2021-05-10

    Applicant: 东南大学

    Abstract: 本发明公开了一种低训练开销的混合大规模MIMO‑OFDM系统信道估计方法,适用于通信领域使用。先建立混合大规模MIMO‑OFDM系统信道模型、上行链路信号传输模型以及混合结构采样模型,使得基站得到一个不完整的基带信号采样张量用于信道估计;对不完整的基带信号采样张量进行模3展开,获得不完整的基带信号采样矩阵;基站设计矩阵补全算法,以不完整的基带信号采样矩阵为输入,输出完整的估计矩阵;将完整的估计矩阵进行模3展开逆运算,得到估计张量,然后根据该估计张量和已知的导频矩阵完成信道估计。该方法能显著降低训练开销,并且可以通过增加子载波数来降低估计误差。

Patent Agency Ranking