本发明公开了信号处理技术领域的一种基于Butler矩阵的大规模MIMO信道估计方法，旨在解决现有技术中信道估计的性能达不到要求，信道信息估计的准确度不高的技术问题，一种基于Butler矩阵的大规模MIMO信道估计方法，包括以下步骤：确定波束变换矩阵；获取用户的角度信息；获取信道增益信息；通过角度信息和信道增益信息，获取完整的信道信息。本发明提出了一种基于Butler矩阵的大规模MIMO信道估计方法，相比传统基于导频的最小二乘（LS）信道估计方法，本发明所述方法具有更好的信道估计性能，获取信道信息的准确度更高，也更加适用于大规模MIMO背景下的信道估计。
📄 2019103423994
📂 H04L25_02
👤 南京邮电大学
📅 2019-04-26
本发明提出一种大规模MIMO系统的上行链路信道估计方法，包括如下步骤：(1)使用高斯混合模型对信道的概率模型进行建模；(2)使用最优贝叶斯参数估计进行信道估计；(3)使用层次聚类算法给定迭代初值；(4)使用近似消息传递算法求解步骤二中的边缘概率密度函数；(5)使用期望最大算法迭代求解高斯混合模型的参数。本发明充分利用信道增益在波束域的稀疏特性，采用贝叶斯参数估计方法，不需要预先知道信道的统计信息，与传统的基于LS的信道估计相比，可以获得更好的MSE性能。
📄 2018106138615
📂 H04B7_0413
👤 南京邮电大学
📅 2018-06-14
本发明揭示了一种大规模MIMO中基于DFP算法的信道互易性补偿方法。通过最小二乘信道估计方法得到基站和终端检测到的信道值，利用校准矩阵对存在误差的上下行信道估计值进行校准，根据分析可知，上下行信道估计值的校准矩阵与埃尔米特矩阵B的最小特征值对应的特征向量有关，采用DFP算法迭代估计搜索方向和步长，进而得到较精确的校准系数。本发明在弥补信道估计误差对信道互易性影响的基础上，提高了系统的容量和可靠性。
📄 2018104308363
📂 H04L25_03
👤 南京邮电大学
📅 2018-05-08
一种改进的SAMP大规模MIMO‑OFDM系统信道估计方法，方法包括如下步骤：信号初始化；计算传感矩阵A与残差的内积的绝对值；正则化处理，优化原子集；求解最小二乘解，更新残差；残差与双阈值比较大小；重构信号，应用到大规模MIMO‑OFDM系统中。本方法相比于SAMP算法误码率和均方误差都大幅度降低，这极大的提升了在信道稀疏度未知的情况下的信道估计性能。
📄 2021116576143
📂 H04B7_0413
👤 南京邮电大学
📅 2021-12-30
本发明所述的是一种在大规模MIMO系统中基于改进GAN网络的信道估计算法，其考虑在一比特上行多用户大规模MIMO系统中进行基于深度学习的信道估计时，为了提高性能，提出采用改进生成对抗网络的信道估计方法；在该方法中，引入随机量化方法来改进GAN网络的输入，使输入数据更加真实；通过对生成器和判别器分别引入惩罚项来生成新的优化目标函数，使网络优化方向正确，并由模型仿真确定网络结构。GAN网络利用先验的信道估计观测值来学习从量化测量值到信道的非平凡映射；对生成器和判别器进行对抗训练来预测更真实的信道。数值仿真结果，从归一化均方误差(NMSE,Normalized Mean Squared Error)的角度表明,该方法明显提高了大规模多输入输出系统信道估计的准确性。
📄 2021115802683
📂 H04B17_309
👤 南京邮电大学
📅 2021-12-22
本发明涉及一种大规模MIMO(Multiple‑Input Multiple‑Output，多输入多输出)下基于深度学习的码本选择方法，属于无线通信技术领域。该方法包括：采集测试区的导频信息构建导频训练序列，进而得到导频训练样本；对导频训练样本进行神经网络迭代学习，得到最终的网络权重值；根据学习后的神经网络输出的信道，从完备码本中选出最优码字。之后将未知区与测试区进行信道信息匹配，得到其无线信道，进而得到与无线信道对应的码字。本发明能有效、准确、快速地建立无线信道模型与码本查询，避免了未知区的信道估计且大大降低了未知区信道选择码本的复杂度。
📄 2016103271150
📂 H04B7_0456
👤 重庆邮电大学
📅 2016-05-17
本发明涉及一种基于LLL‑SD的大规模MIMO信号检测方法，属于通信测试技术领域。将初始信道矩阵与变换矩阵相乘，得到多个初始基，然后对多个初始基同时进行LLL约减，生成多个性能上存在差别的约减基，选取性能最优的约减基，获得正交性好且条件数更少的信道矩阵和变换矩阵T；对信道矩阵进行QR分解，得到上三角矩阵和酉矩阵将酉矩阵的共轭转置与接收信号向量y相乘，得到接收信号的均衡信号利用上三角矩阵的特性，进行串行干扰消除，利用自适应球半径的SD算法译码。本发明利用多个初始基改善信道条件，能够摆脱传统格基约减算法仅从单组基开始搜索的局限，且算法复杂度较低收敛较快，降低系统误码率，提高可靠性。
📄 2020100226588
📂 H04L25_03
👤 正成防务科技(成都)有限公司
📅 2020-01-09
本发明公开了一种基于大规模MIMO的多小区导频分配方法，首先采用每7个小区作为一组分簇，假设导频干扰仅存在于簇内，不同簇之间不存在干扰，求取每个用户到本小区基站的大尺度衰落系数β11k。对目标小区中的用户按大尺度衰落系数进行排列，得到其在本小区信号强度顺序，按照信号强度顺序，依次选择目标小区中的用户，计算目标小区中信号强度最弱的用户kmin与相邻小区j’中用户之间的干扰度量值。从每个小区选择干扰度量值最小的用户，这样的用户一共7个，给它们分配相同的导频重复上述步骤直到所有导频分配给所有的用户。本发明通过计算不同小区间用户的干扰值进行用户分组，缓解了导频污染问题，同时均衡了目标小区中的用户SINR，并且算法复杂度低。
📄 201710043833X
📂 H04L5_00
👤 南京邮电大学
📅 2017-01-19
本发明公开了一种优化的大规模MIMO信号检测方法，包括以下步骤：步骤1、大规模MIMO系统的接收天线接收信号，并将信号传输给信号处理模块；步骤2、信号处理模块采用SSOR算法对接收的信号检测，得到SSOR算法检测结果；步骤3、对SSOR算法检测结果进行优化，得到优化后的检测输出，完成对信号的检测。本发明的收敛速度对松弛参数不是很敏感，因此可以选取简单且经过近似后的松弛参数，本发明以SSOR检测结果为基础，利用切比雪夫加速法进行优化，和MMSE检测方法相比，大大降低了算法复杂度。
📄 2017100479772
📂 H04B7_0413
👤 南京邮电大学
📅 2017-01-20
本发明涉及无线通信领域，特别涉及一种适用于近场球面波超大规模MIMO上行信号检测方法，在近场球面波模型系统中，针对用户密集的通信场景导致的用户干扰较大问题，上行信号检测具体包括将接收天线阵列划分为C个不相交的子阵列，将每个阵列作为因子节点、每个用户的发送信号作为变量节点构建因子图模型；根据因子图模型，计算得到一个子阵列上某一用户发送信号的近似后验分布；基于排序干扰消除算法，迭代更新各个子阵列接收信号和信道矩阵，完成信号检测。本发明在多用户近场场景下，能获得更好的性能，并且面对多位用户到达阵列中心的角度相同，但距离不同的场景，仍能保持较优的检测性能。
📄 2024114241806
📂 H04L25_02
👤 重庆邮电大学
📅 2024-10-12
本发明属于智能移动通信技术领域，具体涉及一种大规模MIMO系统中基于多分辨率融合卷积反馈网络的CSI反馈方法；该方法包括：实时获取大规模MIMO系统中下行链路CSI矩阵；根据CSI矩阵，得到角度时延域稀疏的CSI矩阵；对角度时延域稀疏的CSI矩阵进行截断，得到截断矩阵；采用MRFNet编码器对截断矩阵进行处理，得到CSI压缩码字；采用MRFNet对CSI压缩码字进行处理，得到新的CSI矩阵；根据新的CSI矩阵得到重建的CSI矩阵；本发明实现了反馈网络模型可以输入不同维度大小的CSI，将不同环境与压缩比进行网络融合，使得移动终端只需要保存一套反馈网络，且能保持较高的CSI恢复精度。
📄 2022102016102
📂 H04B7_06
👤 重庆邮电大学
📅 2022-03-02
柿子坊 · 知识产权运营
柿子坊知识产权运营平台