基于NOMP的RIS辅助毫米波MIMO系统信道估计方法

    公开(公告)号:CN117014257A

    公开(公告)日:2023-11-07

    申请号:CN202310980034.0

    申请日:2023-08-04

    Applicant: 吉林大学

    Abstract: 本发明涉及一种基于NOMP的RIS辅助毫米波MIMO系统信道估计方法,属于信道估计方法。以RIS辅助的毫米波MIMO系统下行链路为背景,将基站BS‑RIS的信道模型以及RIS‑移动台MS的信道模型表示为Khatri‑Rao乘积形式的级联信道模型,分别采用一维NOMP、二维NOMP和最小二乘LS算法估计级联信道中的多个参数,从而实现信道估计。优点在于所提出的RIS辅助的毫米波MIMO系统信道估计方法以较低的导频开销估计出信道参数,为RIS辅助的系统提供了有效的CSI;将NOMP方法运用到RIS辅助的毫米波MIMO信道估计中,能够解决传统压缩感知类算法存在的网格失配问题,提高参数联合估计的精度,从而提高了信道估计精度。

    一种基于移动嵌套阵列的FDA-MIMO雷达目标参数估计方法

    公开(公告)号:CN119395653A

    公开(公告)日:2025-02-07

    申请号:CN202411411593.0

    申请日:2024-10-10

    Applicant: 吉林大学

    Abstract: 本发明涉及一种基于移动嵌套阵列的FDA‑MIMO雷达目标参数估计方法,属于雷达信号处理领域。其实现步骤是:构建单基地FDA‑MIMO雷达的移动嵌套阵列模型,进行角度和距离解耦;计算观测矩阵的样本协方差矩阵,建立基于低秩矩阵重构的优化问题,利用交替投影方法求解获得Toeplitz矩阵,采用二维子空间类方法获得目标角度和距离估计值。本发明优点是将移动嵌套阵应用于FDA‑MIMO中,显著增加了差分共阵的虚拟阵元数,具有更大的阵列孔径,通过求解低秩矩阵重构问题,具有更高的目标参数估计精度,能够解决现有FDA‑MIMO雷达参数估计精度和分辨力不高、可探测目标数有限等问题。

    一种联合LMMSE和MRC的正交时频空调制系统符号检测方法

    公开(公告)号:CN117061298A

    公开(公告)日:2023-11-14

    申请号:CN202311047618.9

    申请日:2023-08-20

    Applicant: 吉林大学

    Abstract: 本发明涉及一种联合LMMSE和MRC的正交时频空调制系统符号检测方法,属于移动通信领域。基于正交时频空OTFS调制系统,首先在时域按块进行线性最小均方误差LMMSE检测,将检测的结果按列组合转换到时延‑多普勒域进行正交振幅解调,然后再将解调的结果转换到时延‑时间域,进而作为时延‑时间域中最大比合并MRC检测算法的初始值,从而提高最大比合并检测方法的误码性能。通过仿真实验验证了本发明方法的有效性,与采用其他初始化检测的方法相比,该方法在高的通信速率情况下误码率更低,同时,该方法在高速移动场景下也具有优越的性能。

    基于遗传算法的VPX机箱的屏蔽效能预测方法

    公开(公告)号:CN116933646A

    公开(公告)日:2023-10-24

    申请号:CN202310929286.0

    申请日:2023-07-26

    Applicant: 吉林大学

    Abstract: 本发明涉及一种基于遗传算法的VPX机箱的屏蔽效能预测方法,属于电磁环境效应领域。通过CST电磁仿真软件对平面波辐照下VPX机箱的屏蔽效能进行分析与仿真建模,根据仿真结果利用传输线等效电路模型及遗传算法进行VPX机箱的特征参数矩阵提取,预测机箱内部不同位置的屏蔽效能,对比屏蔽效能仿真结果和算法理论计算结果,验证了算法结果的准确性和可靠性,基于提取的机箱的特征参数矩阵,探究不同频点下离开平面波入射面距离对屏蔽效能的影响,根据算法结果确定不同频点下机箱内部屏蔽效能最优点。有益效果是成功地预测机箱在不同频点处及不同位置的屏蔽效能,为机箱内部走线及敏感器件安装位置的选取提供参考,节省了大量的计算资源。

    一种基于深度学习的大规模MIMO-OTFS波束成形设计方法

    公开(公告)号:CN119051696A

    公开(公告)日:2024-11-29

    申请号:CN202411319650.2

    申请日:2024-09-21

    Applicant: 吉林大学

    Abstract: 本发明涉及一种基于深度学习的大规模MIMO‑OTFS波束成形设计方法,属于无线通信技术领域。设计了一种优化的波束成形神经网络OBNN,并以最大化频谱效率为优化目标对MIMO‑OTFS系统波束形成矩阵进行设计,基站将时延多普勒域信号经过OTFS调制后由大规模天线发送,用户在OTFS接收端基于导频符号进行信道估计,将信道估计值和SNR值作为OBNN的输入,通过最小化损失函数进行模型学习,从而获得最优波束形成器权重。本发明优点是利用OTFS调制对多普勒频移的强鲁棒性,适应高移动性通信环境,通过深度学习能够确保损失函数收敛至局部最优,利用预训练权重适应信道估计误差与其他神经网络方法相比,其频谱效率具有显著提升。

Patent Agency Ranking