基于深度学习的大规模MIMO信道状态信息反馈方法

    公开(公告)号:CN114884549A

    公开(公告)日:2022-08-09

    申请号:CN202210489463.3

    申请日:2022-05-06

    摘要: 本发明涉及一种基于深度学习的大规模MIMO信道状态信息反馈方法,其包括:在下行链路中,在用户端侧对MIMO信道状态信息在空频域的信道矩阵进行二维离散傅立叶变换,得到在角度延迟域稀疏的信道矩阵H;构建超分辨信道状态信息网络模型,该模型包含属于用户端的解码器和属于基站端的译码器,其中该解码器用于将所述获得的在角度延迟域稀疏的信道矩阵H编码为更低维度的码字,所述译码器用于从收到的码字重建出信道矩阵估计值对所述超分辨信道状态信息网络模型进行训练,使得所述信道矩阵估计值和在角度延迟域稀疏的信道矩阵H尽可能接近,并获得模型参数;将训练好的所述超分辨信道状态信息网络模型用于信道信息的压缩感知和重建。

    用于社交动态信息情感分析的方法、系统和存储介质

    公开(公告)号:CN113177163A

    公开(公告)日:2021-07-27

    申请号:CN202110468792.5

    申请日:2021-04-28

    摘要: 本发明公开了一种用于社交动态信息情感分析的方法,该方法包括:步骤S1:获取用户原始社交动态信息,并对用户原始社交动态信息进行预处理,得到处理后社交动态信息,其中,用户原始社交动态信息包括:文本信息、图片统一资源定位符信息和视频统一资源定位符信息中的至少一种;步骤S2:计算处理后社交动态信息的情感倾向概率;步骤S3:根据情感倾向概率,得到社交动态信息情感分类。可以对社交动态信息中的文本、图片和视频信息类型中的至少一种进行情感倾向概率的计算,进而对用户进行情感倾向分析。本公开实施例还公开了一种用于社交动态信息情感分析的系统和存储介质。