“李哲鳌”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种基于6G全覆盖场景分类的场景自适应信道建模方法-CN202211603711.9在审
发明人：王承祥;周文奇;黄晨;李哲鳌;钱中玉;吕振 -专利权人：东南大学
申请日： 2022-12-13 - 公布日： 2023-06-27 - 主分类号： H04B17/391 文献下载
摘要：本发明公开一种基于6G全覆盖场景分类的场景自适应信道建模方法。通过使用测量或仿真数据对信道模型参数进行优化，实现对6G全覆盖场景转换的全新架构设计和自适应信道建模。包括1)基于6G空‑天‑地‑海全覆盖场景的物理定义，使用环境参数与统计特征相组合方案进行场景转换分类。2)根据场景分类结果构建场景模型参数数据库。3)将场景对应的模型参数输入到6G普适信道模型中，生成场景转换的实时信道模型。4)根据实测数据，采用闭环反馈调整普适信道模型的参数，迭代得到场景转换的优化模型。5)验证具体场景自适应信道建模的精确度。针对复杂多样6G通信环境，自适应构建高精度信道模型，为无线通信研究发展奠定重要基础。
一种基于覆盖场景分类自适应信道建模方法

[发明专利]一种基于对抗网络与长短期记忆网络的预测信道建模方法-CN202210214717.0有效
发明人：王承祥;李哲鳌;黄杰;周文奇;黄晨 -专利权人：东南大学
申请日： 2022-03-07 - 公布日： 2023-06-20 - 主分类号： H04B17/309 文献下载
摘要：本发明公开了一种基于生成对抗网络与长短期记忆人工神经网络的预测性信道建模方法，有效地实现不同频段和场景下的信道预测功能，并为仿真实验生成大量的信道数据集。首先输入已有频段以及场景的信道测量数据进行训练。然后使用长短期记忆人工神经网络学习真实的信道数据，获取信道时间序列特征；通过生成对抗网络的对抗学习，极大地消除信道数据的冗余信息，并且根据测量数据生成准确的信道数据，并且获取海量信道信息。最后在生成对抗网络的不断迭代中得到生成模型与鉴别模型的平衡，输出训练好的预测性信道模型。模型预测所得到的信道统计特性能清楚地说明了本发明对信道分布特征的预测学习，能够解决无线通信中实时且复杂的预测问题。
一种基于对抗网络短期记忆预测信道建模方法

[发明专利]一种针对6G全覆盖无线通信的场景扩展与分类方法-CN202211604035.7在审
发明人：王承祥;周文奇;黄晨;李哲鳌;钱中玉 -专利权人：东南大学
申请日： 2022-12-13 - 公布日： 2023-05-05 - 主分类号： G06F18/24 文献下载
摘要：本发明提供一种针对6G全覆盖无线通信的场景扩展与分类方法。其实现步骤为：1)归纳标准化信道模型的场景与分类方法；2)按照“宏观到微观”聚焦原则，从宏观上划分为空、天、地、海这4大类场景；3)按照“标尺线”的海拔等高线原则，将子场景细分为内外或上下；4)根据物理属性和信号传播特点，定义更详细的应用场景和差异化物理参数。本发明主要解决现有无线通信场景统计不全面和分类不清晰的问题，能够提高6G全覆盖变换场景分类准确率和实时性，为无线通信场景分类研究和发展奠定重要基础。
一种针对覆盖无线通信场景扩展分类方法

[发明专利]一种基于深度学习的预测信道建模方法及相关装置-CN202211685853.4在审
发明人：黄晨;王承祥;李哲鳌;钱中玉;周文奇;常恒泰;辛立建 -专利权人：网络通信与安全紫金山实验室
申请日： 2022-12-27 - 公布日： 2023-04-28 - 主分类号： H04B17/391 文献下载
摘要：本申请公开了一种基于深度学习的预测信道建模方法，包括：采集不同频段下的信道数据；从所述信道数据提取多径参数；对所述多径参数进行簇识别，得到各类多径簇；通过各类所述多径簇的所述信道数据训练信道预测网络；通过训练好的所述信道预测网络与已知频段下的信道数据，预测得到预测频段下的信道数据。该方法能够实现高精度的频域信道预测。本申请还公开了一种基于深度学习的预测信道建模装置、设备以及计算机可读存储介质，均具有上述技术效果。
一种基于深度学习预测信道建模方法相关装置

[发明专利]一种基于机器学习的空时域预测信道建模方法-CN202211189126.9在审
发明人：王承祥;李哲鳌;于龙;黄晨;黄杰;钱中玉 -专利权人：东南大学
申请日： 2022-09-28 - 公布日： 2023-02-03 - 主分类号： H04B17/391 文献下载
摘要：本发明公开了一种基于机器学习的空时域预测信道建模方法，包括：通过信道测量或仿真获取信道数据，并设置信道数据的邻节点数和时刻序列长度，构造空时图数据集；建立图注意力网络和门控循环单元模型，依次提取信道空间和时间特征；利用模型所提取信道空时域融合特征，预测当前通信场景下未来时刻各位置的信道统计特性。本发明提出的利用信道空时域高相关性数据特征的信道预测方法，能够实现对未知地点和未知时刻进行高精度信道统计特性预测，对多维度的预测信道建模研究具有指导意义。
一种基于机器学习时域预测信道建模方法