-
公开(公告)号：CN116015495A
公开(公告)日：2023-04-25
申请号：CN202211609689.9
申请日：2022-12-14
Applicant: 东南大学
IPC: H04B17/30 , H04B7/0413 , H04L25/02
Abstract: 本发明公开了一种基于马尔可夫链蒙特卡罗的分布式检测方法，将接收天线分为多个天线簇，各簇具有本地的分布式基带单元；选取一个分布式基带单元作为顶端节点，其余分布式基带单元作为子节点；各分布式基带单元间以星状或环状的拓扑结构相连；本发明将检测运算合理切分到顶端节点和子节点的分布式基带单元完成，以适当的降维手段使得运算和交互的数据都保持较低维度，同时优化取样函数，结合连续空间的梯度下降，马尔可夫链的随机游走以及量化纠偏，能够实现对发送信号空间的高效探索，克服现有集中式架构中数据交互开销高、计算负担重的问题，对于解决超大规模多输入多输出系统的信号检测问题具有巨大潜力。
-
公开(公告)号：CN116015495B
公开(公告)日：2024-11-29
申请号：CN202211609689.9
申请日：2022-12-14
Applicant: 东南大学
IPC: H04B17/30 , H04B7/0413 , H04L25/02
Abstract: 本发明公开了一种基于马尔可夫链蒙特卡罗的分布式检测方法，将接收天线分为多个天线簇，各簇具有本地的分布式基带单元；选取一个分布式基带单元作为顶端节点，其余分布式基带单元作为子节点；各分布式基带单元间以星状或环状的拓扑结构相连；本发明将检测运算合理切分到顶端节点和子节点的分布式基带单元完成，以适当的降维手段使得运算和交互的数据都保持较低维度，同时优化取样函数，结合连续空间的梯度下降，马尔可夫链的随机游走以及量化纠偏，能够实现对发送信号空间的高效探索，克服现有集中式架构中数据交互开销高、计算负担重的问题，对于解决超大规模多输入多输出系统的信号检测问题具有巨大潜力。
-
公开(公告)号：CN119010960A
公开(公告)日：2024-11-22
申请号：CN202310547355.1
申请日：2023-05-16
Applicant: 中国移动通信有限公司研究院 , 东南大学 , 中国移动通信集团有限公司
IPC: H04B7/0413 , H04W72/541 , H04L41/16
Abstract: 本申请公开了一种信号估计方法、装置及基站，涉及通信技术领域，以解决现有技术难以应对小区间多用户干扰的问题。该方法包括：第一基站根据检测范围内的用户终端发送的上行参考信号，确定第一上行信道状态信息；检测第一用户终端发送的业务数据信号，得到第一观测信号，第一基站为第一用户终端所在小区的本地基站；将第一上行信道状态信息和第一观测信号输入预先训练好的第一信号估计模型，获得第一信号估计模型输出的对业务数据信号的第一估计信息，第一信号估计模型的各网络层中的线性估计模块与非线性估计模块之间插入有图神经网络。本申请实施例能够提升模型对抗多输入多输出MIMO系统中严重多用户干扰的能力。
-
公开(公告)号：CN119945854A
公开(公告)日：2025-05-06
申请号：CN202510154236.9
申请日：2025-02-12
Applicant: 东南大学
IPC: H04L25/02 , H04B17/391 , H04B7/0413 , G06F18/20
Abstract: 本发明公开了一种基于稀疏贝叶斯学习的马尔可夫链蒙特卡罗信道估计方法，属于无线通信技术领域。该方法包括以下步骤：将信道估计问题中的未知量建模为随机变量，构建贝叶斯概率图模型；针对信道元素引入结构化混合高斯先验分布，并通过伯努利离散变量将混合高斯先验转化为乘积形式；推导所有变量的条件后验分布，利用多个并行吉布斯采样器进行高维采样，收集收敛样本后求平均得到信道估计值。本发明通过结合稀疏贝叶斯学习与马尔可夫链蒙特卡罗方法，解决了传统压缩感知算法依赖先验信息不足、易陷入局部最优的问题，显著提升了信道估计精度，同时利用并行采样降低计算复杂度，适用于超大规模MIMO系统。
-
公开(公告)号：CN116015547A
公开(公告)日：2023-04-25
申请号：CN202211613281.9
申请日：2022-12-15
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度展开的马尔可夫链蒙特卡罗检测方法，包括：收集MIMO无线通信系统的训练数据集合，每一条训练数据包含一次信道实现的信道矩阵和噪声方差，以及与之对应的接收信号向量；构建深度展开的马尔可夫链蒙特卡罗检测网络；利用收集的训练数据集合，训练深度展开的马尔可夫链蒙特卡罗检测网络；在部署阶段，利用训练后的深度展开的马尔可夫链蒙特卡罗检测网络，以并行采样的方法得到样本列表；基于样本列表进行判决，获取样本列表中残差范数最小的样本或获取对数似然比，作为检测结果。本发明利用深度学习驱动，克服现有技术中经验式参数配置存在的低效和鲁棒性差的问题，兼具性能优异和计算开销低的优势。
-
Patent Agency Ranking
公开(公告)号：CN115987746A
公开(公告)日：2023-04-18
申请号：CN202211613554.X
申请日：2022-12-15
Applicant: 东南大学
IPC: H04L27/34 , H04B7/0413
Abstract: 本发明公开了一种涅斯捷罗夫梯度加速的马尔可夫链蒙特卡罗检测方法，包括，S1、初始化并行的P个采样器，设置采样迭代变量i＝1；S2、计算所述并行的P个采样器的每一个采样器的提议向量，包含涅斯捷罗夫梯度提议和随机游走噪声；执行梅特罗波利斯‑黑斯廷斯接受步骤，获取每一个采样器的样本，设置采样迭代变量i＝i+1；S3、判断采样迭代变量i是否大于总采样迭代次数N，若否，则执行步骤S4；若是，则进行判决；S4、判断提前停止条件是否满足，若否，则跳至步骤S2；若是，则进行判决。本发明使用涅斯捷罗夫加速梯度下降技术提升马尔可夫链蒙特卡罗随机游走的搜索效率，减少大量的无效搜索尝试，以较低的计算开销达到逼近最优最大似然检测的性能。
-
公开(公告)号：CN113676431A
公开(公告)日：2021-11-19
申请号：CN202110771439.4
申请日：2021-07-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于模型驱动的无循环前缀MIMO‑OFDM接收方法。首先，消除接收符号向量中冗余的符号间干扰，同时计算信道矩阵C，一并转换至实数域；接着，将实值接收符号向量和实值信道矩阵输入到由共轭梯度改进的正交近似消息传递算法展开而成的信号检测网络，经过若干串联层输出估计的频域符号向量最后，将频域符号向量解调，得到估计的发送比特流缓存后送至反馈回路，在反馈回路中运算得到估计的时域符号向量用于在下一轮接收中消除符号间干扰。本发明兼具检测性能优异和运行时间短的优势，同时显著提升了系统的频谱效率。
-
公开(公告)号：CN119561815A
公开(公告)日：2025-03-04
申请号：CN202411632078.5
申请日：2024-11-15
Applicant: 东南大学
IPC: H04L27/26 , H04L25/02 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种超网络辅助的数据模型双驱动MIMO‑OFDM信号检测方法，包括：一个具有一组可调参数的信号检测网络，以及一个可训练的超网络。首先，利用线性最小均方误差算法获取信道估计，将估计信道矩阵HLMMSE作为超网络的输入，输出可调参数Ωhyper提供给信号检测网络；接着，对信道矩阵HLMMSE和接收信号向量y进行实值分解，与推导得到的等效噪声方差信息#imgabs0#一起输入到信号检测网络，信号检测网络由图神经网络增强的期望传播算法展开而成，结合实数域信道矩阵#imgabs1#实数域接收信号向量#imgabs2#环境信息#imgabs3#和超网络提供的参数Ωhyper，给出对发送符号向量的估计#imgabs4#最后，对估计的符号向量#imgabs5#进行解映射，获得对原始发送比特的估计#imgabs6#本发明检测性能高，消耗时间少，同时泛化性强，可适应场景变化。
-
公开(公告)号：CN116248226A
公开(公告)日：2023-06-09
申请号：CN202211492779.4
申请日：2022-11-25
Applicant: 东南大学
IPC: H04L1/00 , H04B7/0413 , H04B7/08 , G06N3/042
Abstract: 本发明公开了一种图神经网络辅助的期望传播接收方法，包括：S1、使用经训练的图神经网络辅助的期望传播检测网络对接收信号进行处理，获取检测外信息对数似然比；S2、将检测外信息对数似然比解交织后输入到信道解码器中，获取解码外信息对数似然比；S3、将解码外信息对数似然比交织、比例缩放后，输入到图神经网络辅助的期望传播检测网络；S4、判断检测‑解码迭代次数是否达到预先设定的最大迭代次数，若否，则重复执行步骤S1‑S3；若是，则信道解码器输出解码的信息比特。本发明借助深度学习技术驱动图神经网络辅助的期望传播检测网络输出迭代检测‑解码过程所需的外信息，解决了先验信息耦合问题，大大增强了接收方法的稳定性。
-
公开(公告)号：CN113676431B
公开(公告)日：2023-01-10
申请号：CN202110771439.4
申请日：2021-07-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于模型驱动的无循环前缀MIMO‑OFDM接收方法。首先，消除接收符号向量中冗余的符号间干扰，同时计算信道矩阵C，一并转换至实数域；接着，将实值接收符号向量和实值信道矩阵输入到由共轭梯度改进的正交近似消息传递算法展开而成的信号检测网络，经过若干串联层输出估计的频域符号向量最后，将频域符号向量解调，得到估计的发送比特流缓存后送至反馈回路，在反馈回路中运算得到估计的时域符号向量用于在下一轮接收中消除符号间干扰。本发明兼具检测性能优异和运行时间短的优势，同时显著提升了系统的频谱效率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.032 seconds)
