[发明专利]基于深度学习的大规模MIMO收发联合波束成形方法在审
| 申请号： | 202111052920.4 | 申请日： | 2021-09-08 |
| 公开（公告）号： | CN113765567A | 公开（公告）日： | 2021-12-07 |
| 发明（设计）人： | 高西奇;王闻今;王一彪;是钧超;王亚飞 | 申请（专利权）人： | 东南大学 |
| 主分类号： | H04B7/06 | 分类号： | H04B7/06;H04B7/08;H04B7/0426;H04B7/0452;G06N3/04;G06N3/08;H04W52/24 |
| 代理公司： | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人： | 沈廉 |
| 地址： | 211189 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于深度学习的大规模多输入多输出(multiple input multiple output,MIMO)收发联合波束成形方法，其中发送端(基站)利用各接收端(用户端)的瞬时信道信息，依据所有接收端的发送功率和最小化准则，通过通用深度学习框架和通用深度神经网络结构，实现低复杂度的发送端和接收端波束成形方法；深度学习框架首先通过深度神经网络结构计算最优的下行接收端功率分配向量，进而通过深度神经网络结构或者基于信道矩阵特征值分解的启发式算法计算接收端的波束成形方向向量，最后通过最优解结构直接计算出发送端的波束成形向量；该低复杂度深度学习框架将收发波束成形联合设计问题分解为计算下行功率分配向量和计算收发端波束成形向量两个子问题。本发明能够使发送功率值近乎最佳的发送功率，并具有较低的计算复杂度。 | ||
| 搜索关键词： | 基于 深度 学习 大规模 mimo 收发 联合 波束 成形 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202111052920.4/，转载请声明来源钻瓜专利网。
