-
公开(公告)号：CN113660184A
公开(公告)日：2021-11-16
申请号：CN202110813379.8
申请日：2021-07-19
申请人： 武汉大学
IPC分类号： H04L25/02 , H04B17/373 , H04L27/26 , G06N3/08
摘要： 本发明公开了一种基于并行深度学习网络的OFDM无线通信系统信道预测方法和系统，属于无线通信自适应传输技术领域。通过并行深度学习网络对导频OFDM符号子载波的信道状态信息进行训练，实现导频OFDM符号信道状态信息的有效预测。为了提高对输入信道状态信息的泛化能力，提供一种包含数个平行的网络单元的并行深度学习网络的信道预测器，每个网络包含多个网络层。为了引入稀疏性，提供一种群组前向变量选择的输出权重估计方法。本发明公开的并行深度学习的信道预测器对导频子载波的信道状态信息具有良好的泛化能力，可以输出稀疏的输出权重矩阵，可以很好地实现OFDM信道预测，可以为自适应OFDM无线通信的自适应传输和自适应编码等提供保障。
-
公开(公告)号：CN113644944B
公开(公告)日：2022-07-19
申请号：CN202110813382.X
申请日：2021-07-19
申请人： 武汉大学
IPC分类号： H04B7/0456 , H04B7/06
摘要： 本发明公开了一种大规模MIMO低复杂度混合预编码方法及系统，属于无线通信预编码技术领域，其中，方法的实现包括：进行相关参数初始化、利用扩展幂迭代法完成混合预编码的设计过程；利用EPI算法获得预编码矩阵，产生待发送信号。其中，参数初始化包括设定发送天线数量MN，用户天线数K，信道传输矩阵H；利用EPI算法获取信道矩阵的前N个最大奇异值及其特征向量。利用特征向量获取混合预编码矩阵；最后利用混合预编码矩阵产生待发送信号；计算比较混合预编码的传输速率以及运算复杂度。通过与理论值相比较，本发明具有更快的收敛性，更低的复杂度以及更低的成本。
-
公开(公告)号：CN113055068B
公开(公告)日：2022-06-10
申请号：CN202011106904.4
申请日：2020-10-16
申请人： 武汉大学
IPC分类号： H04B7/0456
摘要： 本发明公开了一种大规模MIMO快速收敛的低复杂度预编码方法，该方法包括以下步骤：步骤1、启动预编码程序，对MIMO发送天线的相关参数进行初始化；步骤2、根据初始化参数，利用切比雪夫半迭代算法加速对称超松弛算法完成预编码求逆过程；步骤3、根据算法迭代得到的结果，产生MIMO发送天线的待发送信号，预编码程序结束。其中，参数初始化包括参数初始化，设定发送天线数量，单天线用户数，信道传输矩阵。通过计算比较预编码的误码率和传输速率以及运算复杂度，与理论值相比较，本发明提出的方法具有更快的收敛性，更低的复杂度以及更优的性能。
-
公开(公告)号：CN113660184B
公开(公告)日：2022-09-09
申请号：CN202110813379.8
申请日：2021-07-19
申请人： 武汉大学
IPC分类号： H04L25/02 , H04B17/373 , H04L27/26 , G06N3/08
摘要： 本发明公开了一种基于并行深度学习网络的OFDM无线通信系统信道预测方法和系统，属于无线通信自适应传输技术领域。通过并行深度学习网络对导频OFDM符号子载波的信道状态信息进行训练，实现导频OFDM符号信道状态信息的有效预测。为了提高对输入信道状态信息的泛化能力，提供一种包含数个平行的网络单元的并行深度学习网络的信道预测器，每个网络包含多个网络层。为了引入稀疏性，提供一种群组前向变量选择的输出权重估计方法。本发明公开的并行深度学习的信道预测器对导频子载波的信道状态信息具有良好的泛化能力，可以输出稀疏的输出权重矩阵，可以很好地实现OFDM信道预测，可以为自适应OFDM无线通信的自适应传输和自适应(56)对比文件Tongtong Cheng等.Wireless ChannelScene Recognition Method Based on anAutocorrelation Function and DeepLearning《.IEEE Access ( Volume: 8)》.2020,
-
公开(公告)号：CN113055068A
公开(公告)日：2021-06-29
申请号：CN202011106904.4
申请日：2020-10-16
申请人： 武汉大学
IPC分类号： H04B7/0456
摘要： 本发明公开了一种大规模MIMO快速收敛的低复杂度预编码方法，该方法包括以下步骤：步骤1、启动预编码程序，对MIMO发送天线的相关参数进行初始化；步骤2、根据初始化参数，利用切比雪夫半迭代算法加速对称超松弛算法完成预编码求逆过程；步骤3、根据算法迭代得到的结果，产生MIMO发送天线的待发送信号，预编码程序结束。其中，参数初始化包括参数初始化，设定发送天线数量，单天线用户数，信道传输矩阵。通过计算比较预编码的误码率和传输速率以及运算复杂度，与理论值相比较，本发明提出的方法具有更快的收敛性，更低的复杂度以及更优的性能。
-
公开(公告)号：CN113595941A
公开(公告)日：2021-11-02
申请号：CN202110772513.4
申请日：2021-07-08
申请人： 武汉大学
IPC分类号： H04L25/02 , H04B7/0413 , H04L5/14
摘要： 本发明公开了一种基于深度学习的压缩感知FDD大规模MIMO系统稀疏信道估计方法及系统，属于无线通信系统导频辅助的信道估计技术领域，其中，方法的实现包括：基于深度学习，即卷积重构网络ConCSNet，在不需要稀疏度的情况下，本发明通过数据驱动的方式，利用ConCSNet求解测量向量y到信号h的逆变换过程，从而解决压缩感知框架下的欠定最优化问题，并实现对原始稀疏信道的重构。仿真结果表明，通过本发明能更快速、准确地恢复稀疏度未知的大规模MIMO系统的信道状态信息。
-
公开(公告)号：CN113644944A
公开(公告)日：2021-11-12
申请号：CN202110813382.X
申请日：2021-07-19
申请人： 武汉大学
IPC分类号： H04B7/0456 , H04B7/06
摘要： 本发明公开了一种大规模MIMO低复杂度混合预编码方法及系统，属于无线通信预编码技术领域，其中，方法的实现包括：进行相关参数初始化、利用扩展幂迭代法完成混合预编码的设计过程；利用EPI算法获得预编码矩阵，产生待发送信号。其中，参数初始化包括设定发送天线数量MN，用户天线数K，信道传输矩阵H；利用EPI算法获取信道矩阵的前N个最大奇异值及其特征向量。利用特征向量获取混合预编码矩阵；最后利用混合预编码矩阵产生待发送信号；计算比较混合预编码的传输速率以及运算复杂度。通过与理论值相比较，本发明具有更快的收敛性，更低的复杂度以及更低的成本。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.024 秒)
