公开(公告)号：CN118678405A

公开(公告)日：2024-09-20

申请号：CN202310258391.6

申请日：2023-03-16

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

Inventor： 王东明 ,  张子扬 ,  辛朋哲 ,  夏心江 ,  楼梦婷 ,  金婧 ,  王启星 ,  尤肖虎

IPC: H04W36/14 ,  H04W72/0453 ,  H04W72/53

Abstract: 本发明提供一种无蜂窝无线接入网的关联方法、装置及设备。该方法获取无蜂窝无线接入网内设备间的关联信息，所述设备间的关联信息包括以下信息的一种或多种：远端无线单元RRU与边缘分布式单元EDU间的关联信息；终端与EDU间的关联信息；终端与协助处理单元UCDU间的关联信息；其中，所述终端与EDU间的关联信息和所述终端与协助处理单元UCDU间的关联信息均满足UCDU负载要求，所述EDU分别与RRU和终端关联，且在数据流层面与UCDU交互。本发明能够实现无蜂窝接入网的系统良好的扩展性和较好的系统性能。

公开(公告)号：CN119727813A

公开(公告)日：2025-03-28

申请号：CN202411922648.4

申请日：2024-12-25

Applicant: 东南大学

Inventor： 王东明 ,  辛朋哲 ,  王向阳 ,  尤肖虎

IPC: H04B7/0456 ,  H04W56/00

Abstract: 本发明公开了一种异步无蜂窝场景下的逐波束定时提前混合预编码方法，在离散透镜阵列DLA混合预编码架构基础上，在选择网络之前，引入额外的逐波束定时提前单元，每个有源天线单元AAU预先获得其服务的每个用户终端UE到所有AAU的异步定时偏移量，每个AAU的每个射频RF链能够分配到一个特定的波束方向，每个方向指向不同的UE，进而每个RF链连接一个逐波束定时提前单元，根据异步定时偏移，调整每个波束的发送时间，以补偿异步时延，使得不同AAU分配给同一UE的波束同时到达，从而最小化期望信号的异步定时偏移量，并进一步采用可扩展的延迟相位数字预编码，有效缓解无蜂窝系统中的异步干扰问题。

公开(公告)号：CN115941002B

公开(公告)日：2025-01-07

申请号：CN202211568317.6

申请日：2022-12-08

Applicant: 东南大学

Inventor： 王东明 ,  辛朋哲 ,  徐毓杰 ,  李春国

IPC: H04B7/0413 ,  H04B17/309 ,  H04B17/391

Abstract: 本发明公开了一种人工智能辅助的MIMO检测方法。首先确定MIMO检测中计算量较大的步骤，收集需要的输入输出训练数据；进而采用深度学习中的多层感知机(MLP)模型，对所需要优化的步骤进行学习和映射，得到训练好的模型参数；然后将MIMO检测算法中复杂度较高的计算过程转化为神经网络前向传播过程，即若干次矩阵乘法和矩阵相加运算，以达到降低检测算法复杂度的目的。在不同场景下验证了所提检测算法的有效性，检测性能能够逼近原始MIMO检测算法的效果，且相较于原始MIMO检测算法，可以大大降低计算复杂度。

公开(公告)号：CN118101002A

公开(公告)日：2024-05-28

申请号：CN202410311484.5

申请日：2024-03-19

Applicant: 东南大学

Inventor： 王东明 ,  郭云翔 ,  辛朋哲 ,  洪子尧 ,  曹阳 ,  尤肖虎

IPC: H04B7/0452 ,  H04B7/06 ,  H04B7/08 ,  H04W56/00

Abstract: 本发明公开了一种异步多用户无蜂窝超大规模天线传输系统和方法，采用宽带波束赋形，区分多个用户，在波束域通过在基站侧调整提前发送量，避免在终端侧的异步干扰；根据用户的上行时延，通过波束赋形降低用户间干扰，然后进行同步，先解码时延小的用户，抵消检测的用户，然后再进行同步操作，解码时延大的用户；对于下行，通过多个AAU的相干发送，提升下行信噪比；对于上行链路对AAU检测结果在vCPU合并，可以提升上行信噪比，本发明可以有效解决无蜂窝系统的异步传输问题。

公开(公告)号：CN115941002A

公开(公告)日：2023-04-07

申请号：CN202211568317.6

申请日：2022-12-08

Applicant: 东南大学

Inventor： 王东明 ,  辛朋哲 ,  徐毓杰 ,  李春国

IPC: H04B7/0413 ,  H04B17/309 ,  H04B17/391

Abstract: 本发明公开了一种人工智能辅助的MIMO检测方法。首先确定MIMO检测中计算量较大的步骤，收集需要的输入输出训练数据；进而采用深度学习中的多层感知机(MLP)模型，对所需要优化的步骤进行学习和映射，得到训练好的模型参数；然后将MIMO检测算法中复杂度较高的计算过程转化为神经网络前向传播过程，即若干次矩阵乘法和矩阵相加运算，以达到降低检测算法复杂度的目的。在不同场景下验证了所提检测算法的有效性，检测性能能够逼近原始MIMO检测算法的效果，且相较于原始MIMO检测算法，可以大大降低计算复杂度。