一种用于高阶MIMO系统的预编码码本的构造方法

    公开(公告)号:CN101540663B

    公开(公告)日:2011-08-24

    申请号:CN200910083083.4

    申请日:2009-04-30

    IPC分类号: H04L1/06 H04L25/03 H04B7/06

    摘要: 一种用于高阶MIMO系统的预编码码本的构造方法,操作步骤如下:(1)基于酉矩阵寻找秩为1的码本,(2)根据秩为1的码本,构造满足符号集约束和嵌套结构要求的秩为M的满秩码本,(3)根据满秩码本构造其余秩所对应的码本。本发明方法能够很好地解决现有技术中存在的寻找码本的操作过程中计算复杂、效率低的问题,可快速、高效地寻找码本,且构建的码本结构简单,容易实现,在各种场景下都能达到很好的性能,提高了高阶MIMO系统的吞吐量和频谱利用率。另外,本发明还能够通过改变码本构造方式,使得寻找更优性能的码本成为可能,能够提高所构造码本的整体性能。

    一种基于深度学习和卫星遥感技术的海雾检测方法

    公开(公告)号:CN110208880A

    公开(公告)日:2019-09-06

    申请号:CN201910484533.4

    申请日:2019-06-05

    发明人: 张闯 吴铭 李楠

    IPC分类号: G01W1/10 G06T7/00

    摘要: 本发明提供了一种基于深度学习和卫星遥感技术的海雾检测方法,包括:获取卫星遥感图像,对图像中的海雾进行标注,将标注海雾的图像作为深度学习分割网络模型的标签;对训练集图像进行预处理,得到符合预设标准的输入图像,所述输入图像用于扩充数据集和增强模型鲁棒性;基于扩充后的数据集,在GPU上对深度学习分割网络模型使用反向传播算法进行训练,训练完成后得到学习到海雾的图像特性的模型。本发明将深度学习和卫星遥感结合,解决海雾探测困难的问题。通过学习大量过去卫星图像中沿海地区和海洋上产生的海雾的特点,能够基于卫星图像快速准确地对海雾进行监测和分割。

    用于宽带移动通信系统降低信道质量信息反馈开销的方法

    公开(公告)号:CN101674275A

    公开(公告)日:2010-03-17

    申请号:CN200910093206.2

    申请日:2009-09-22

    IPC分类号: H04L27/26 H04L1/16 H04L1/00

    摘要: 一种用于宽带移动通信系统降低信道质量信息反馈开销的方法,是根据宽带移动通信系统中信道的稀疏特性,以及通过对信道时延域上的多径信息进行FFT变换,能够准确地还原原始信道的频域响应的特点,该方法通过简单的处理与变换,在获取每个用户完全信道质量信息CQI的同时,能够减小各用户信道质量信息反馈所带来的上行控制信道的开销;并且,对于多天线系统,基站利用用户反馈的全部信道响应信息,能够直接进行预编码码本的选择,从而省去了预编码矩阵信息PMI的反馈,进一步降低了系统的开销。因此,本发明在调度及预编码等方面都能够获得较传统反馈方案更好的性能,具有很好的推广应用前景。

    用于宽带移动通信系统降低信道质量信息反馈开销的方法

    公开(公告)号:CN101674275B

    公开(公告)日:2012-05-30

    申请号:CN200910093206.2

    申请日:2009-09-22

    IPC分类号: H04L27/26 H04L1/16 H04L1/00

    摘要: 一种用于宽带移动通信系统降低信道质量信息反馈开销的方法,是根据宽带移动通信系统中信道的稀疏特性,以及通过对信道时延域上的多径信息进行FFT变换,能够准确地还原原始信道的频域响应的特点,该方法通过简单的处理与变换,在获取每个用户完全信道质量信息CQI的同时,能够减小各用户信道质量信息反馈所带来的上行控制信道的开销;并且,对于多天线系统,基站利用用户反馈的全部信道响应信息,能够直接进行预编码码本的选择,从而省去了预编码矩阵信息PMI的反馈,进一步降低了系统的开销。因此,本发明在调度及预编码等方面都能够获得较传统反馈方案更好的性能,具有很好的推广应用前景。

    一种基于深度学习和卫星遥感技术的海雾检测方法

    公开(公告)号:CN110208880B

    公开(公告)日:2021-03-12

    申请号:CN201910484533.4

    申请日:2019-06-05

    发明人: 张闯 吴铭 李楠

    IPC分类号: G01W1/10 G06T7/10

    摘要: 本发明提供了一种基于深度学习和卫星遥感技术的海雾检测方法,包括:获取卫星遥感图像,对图像中的海雾进行标注,将标注海雾的图像作为深度学习分割网络模型的标签;对训练集图像进行预处理,得到符合预设标准的输入图像,所述输入图像用于扩充数据集和增强模型鲁棒性;基于扩充后的数据集,在GPU上对深度学习分割网络模型使用反向传播算法进行训练,训练完成后得到学习到海雾的图像特性的模型。本发明将深度学习和卫星遥感结合,解决海雾探测困难的问题。通过学习大量过去卫星图像中沿海地区和海洋上产生的海雾的特点,能够基于卫星图像快速准确地对海雾进行监测和分割。