公开(公告)号：CN107247820A

公开(公告)日：2017-10-13

申请号：CN201710307246.7

申请日：2017-05-04

Applicant: 东南大学

Inventor： 夏亦犁 ,  陈翔宇 ,  王开 ,  裴文江

IPC: G06F17/50

Abstract: 本发明公开了一种基于宽线性最小方差无失真响应的非平衡电力系统频率估计方法，包括如下步骤：(1)建立三相电力系统的复电压信号；(2)建立非平衡电力系统电压信号的WL‑MVDR谱；(3)求解使代价函数最小的角频率为系统角频率的估计值进而计算出系统频率的估计值。该方法充分利用了三项电压完整的二阶信息，增强了频率估计的鲁棒性，更适用于非平衡系统。

公开(公告)号：CN114024590B

公开(公告)日：2023-12-05

申请号：CN202111297084.6

申请日：2021-11-03

Applicant: 东南大学

Inventor： 金石 ,  陈翔宇 ,  唐万恺 ,  周明勇 ,  程强 ,  崔铁军

IPC: H04B7/145 ,  H04L1/00 ,  H04L25/02

公开(公告)号：CN109861942B

公开(公告)日：2021-03-30

申请号：CN201910057260.5

申请日：2019-01-22

Applicant: 东南大学

Inventor： 姜培文 ,  徐靖 ,  陈翔宇 ,  温朝凯 ,  金石

IPC: H04L27/26 ,  G06N3/08

Abstract: 本发明公开了一种人工智能辅助OFDM接收机的在线学习方法，包括：对人工智能辅助OFDM接收机中的神经网络进行离线训练；与OFDM接收机通信的发送机在待解调比特数据中按照固定间隔插入接收机已知的在线训练比特数据，并进行OFDM调制和发送；人工智能辅助OFDM接收机接收信号并进OFDM解调，通过两个数据收集器按照与发送机相同的顺序分开，得到接收频域数据和频域训练数据；对人工智能辅助OFDM接收机中的神经网络进行在线训练，得到在线更新网络参数后的神经网络；将频域接收数据输入在线更新网络参数后的神经网络，输出对待解调比特数据的估计，及进行判决恢复出比特流。本发明通过引入神经网络在线学习，改善了接收机在不同环境中的鲁棒性和接收比特错误率。

公开(公告)号：CN109194595B

公开(公告)日：2020-12-01

申请号：CN201811123542.2

申请日：2018-09-26

Applicant: 东南大学

Inventor： 姜培文 ,  徐靖 ,  李沙志远 ,  陈翔宇 ,  陈慕涵 ,  金石 ,  温朝凯

IPC: H04L25/02 ,  H04L25/03 ,  H04B17/391

Abstract: 本发明公开了一种基于神经网络的信道环境自适应OFDM接收方法，包括：选择若干种不同的信道环境，得到训练后的各深度神经网络；输入接收频域导频和本地频域导频估计得到带噪信道估计结果，输入训练后的主维纳滤波深度神经网络中并输出主信道估计结果，及得到各副信道估计结果并乘以权重后相加，得到最终信道估计结果；输入最终信道估计结果和接收的频域数据，得到迫零均衡结果，输入训练后的主和副均衡深度神经网络中得到各网络的输出结果并乘以权重系数后相加，经过硬判决后输出得到估计的比特流。实时采集实际传输中已知频域导频或信道参数，对所述权重系数动态调整。本发明具有参数少、工作效率高、在线切换灵活迅速等优点。