公开(公告)号：CN118694389A

公开(公告)日：2024-09-24

申请号：CN202410759080.2

申请日：2024-06-12

Applicant: 浙江工业大学

Inventor： 王珊珊 ,  俞李杰 ,  韩会梅 ,  卢为党 ,  黄国兴 ,  张昱

IPC: H04B1/40 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明涉及无线通信技术领域，具体涉及一种智能收发机设计方法。该方法具体包括智能收发机模型构建、训练集与测试集获取、训练和测试及智能收发机获得步骤。其基于注意力的残差辅助生成对抗网络AAR‑GAN模型和基于残差自动编码器RCNN模型，分别具有编码调制、信道、解调解码功能。相比于CNN‑CGAN，这两个神经网络不仅提高了生成信道效应的质量，还全面提升了BER性能，增强了网络模型的稳定性。

公开(公告)号：CN119299271A

公开(公告)日：2025-01-10

申请号：CN202411416828.5

申请日：2024-10-11

Applicant: 浙江工业大学

Inventor： 韩会梅 ,  俞李杰 ,  王兴宇 ,  卢为党 ,  黄国兴 ,  张昱

IPC: H04L27/00 ,  G06F18/213 ,  G06F18/2431 ,  G06F18/214 ,  G06F18/21 ,  G06N3/0464 ,  G06N3/08

Abstract: 本说明书涉及无线通信技术领域，涉及一种调制信号识别方法，方法包括获取训练集数据、验证集数据和测试集数据，获取参数初始化的调制信号识别模型；基于训练集数据训练调制信号识别模型，直到调制信号识别模型的损失函数收敛或训练次数达到阈值；基于验证集数据计算调制信号识别模型在训练过程中的预测准确率，训练完成后选择预测准确率最高时的模型参数作为训练结果；基于测试集数据测试训练后的调制信号识别模型进行的预测准确率，预测准确率超过阈值时继续上述训练模型训练过程；使用调制信号识别模型进行调制信号识别。本说明书实施例的方法能准确提取有效特征，对信号的调制类别识别准确率较高。

公开(公告)号：CN119341670A

公开(公告)日：2025-01-21

申请号：CN202411416784.6

申请日：2024-10-11

Applicant: 浙江工业大学

Inventor： 韩会梅 ,  王兴宇 ,  俞李杰 ,  卢为党 ,  黄国兴 ,  张昱

IPC: H04B17/391 ,  H04L41/16 ,  H04L27/26

Abstract: 本说明书涉及无线通信技术领域，涉及一种OFDM系统接收机模型的训练方法，包括获取参数初始化的信号检测模型和信道均衡模型，获取训练集数据和测试集数据；信号检测模型和信道均衡模型均基于复值神经网络构建；信号检测模型基于训练集数据进行训练直到信号检测模型的损失函数收敛；将训练好的信号检测模型级联到信道均衡模型上得到OFDM系统接收机模型；OFDM系统接收机模型基于训练集数据进行训练，训练过程中更新信道均衡模型的参数，直到OFDM系统接收机模型的损失函数收敛，OFDM系统接收机模型训练完成。本说明书的方法训练出的模型结合了信号检测和信号估计均衡，数据恢复能力更强预测结果更精确。