-
公开(公告)号：CN112968853B
公开(公告)日：2022-07-01
申请号：CN202110127151.3
申请日：2021-01-29
Applicant: 北京交通大学
IPC: H04L27/26
Abstract: 本发明提供一种MMTC系统多用户接入检测和信道估计的方法，包括：对MMTC通信中的海量用户稀疏接入场景，根据通信中的循环冗余校验可以检验恢复数据正确性的原理，将检验正确的活跃用户的信息作为反馈传输给神经网络，作为神经网络的先验信息，使网络能更快速的收敛和更加精确的估计出稀疏的信道。本发明提供的方法通过将初始检测的成功恢复用户数据的信息作为反馈，再采用先验知识辅助的深度神经网络模型进行二次检测，与原始的神经网络LISTA和传统压缩感知迭代算法ISTA和AMP相比，新的网络模型可以有效的降低信道估计的误差，提高数据恢复的正确率。
-
Patent Agency Ranking
公开(公告)号：CN113766541A
公开(公告)日：2021-12-07
申请号：CN202111044301.0
申请日：2021-09-07
Applicant: 北京交通大学
Abstract: 本发明提供了一种MMTC场景下的活跃设备及其适用信道的检测方法。包括：每个活跃设备选择导频序列组成矩阵，基站通过间距为半波长的均匀阵列天线接收来自活跃设备发送的数据；根据基站的接收信号得到基站的信道状态矩阵，对所述信道状态矩阵进行字典学习得到稀疏信道状态矩阵，利用克罗内克积对所述稀疏信道状态矩阵进行向量化处理，利用改进的BOMP算法得到最终的信道状态矩阵；计算最终的信道状态矩阵的各行的信道能量，将各行的信道能量与设定的信道阈值进行比较，根据比较结果得到各个活跃设备所选的导频情况。本发明可以实现在未知活跃设备数量的情况下，提高MMTC中设备活跃度检测及信道估计的精确度。
-
公开(公告)号：CN113766541B
公开(公告)日：2023-10-17
申请号：CN202111044301.0
申请日：2021-09-07
Applicant: 北京交通大学
Abstract: 本发明提供了一种MMTC场景下的活跃设备及其适用信道的检测方法。包括：每个活跃设备选择导频序列组成矩阵，基站通过间距为半波长的均匀阵列天线接收来自活跃设备发送的数据；根据基站的接收信号得到基站的信道状态矩阵，对所述信道状态矩阵进行字典学习得到稀疏信道状态矩阵，利用克罗内克积对所述稀疏信道状态矩阵进行向量化处理，利用改进的BOMP算法得到最终的信道状态矩阵；计算最终的信道状态矩阵的各行的信道能量，将各行的信道能量与设定的信道阈值进行比较，根据比较结果得到各个活跃设备所选的导频情况。本发明可以实现在未知活跃设备数量的情况下，提高MMTC中设备活跃度检测及信道估计的精确度。
-
公开(公告)号：CN112968853A
公开(公告)日：2021-06-15
申请号：CN202110127151.3
申请日：2021-01-29
Applicant: 北京交通大学
IPC: H04L27/26
Abstract: 本发明提供一种MMTC系统多用户接入检测和信道估计的方法，包括：对MMTC通信中的海量用户稀疏接入场景，根据通信中的循环冗余校验可以检验恢复数据正确性的原理，将检验正确的活跃用户的信息作为反馈传输给神经网络，作为神经网络的先验信息，使网络能更快速的收敛和更加精确的估计出稀疏的信道。本发明提供的方法通过将初始检测的成功恢复用户数据的信息作为反馈，再采用先验知识辅助的深度神经网络模型进行二次检测，与原始的神经网络LISTA和传统压缩感知迭代算法ISTA和AMP相比，新的网络模型可以有效的降低信道估计的误差，提高数据恢复的正确率。
-
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
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
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。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
