CN113965881B - 遮挡效应下的毫米波一体化通信与感知方法 - Google Patents
遮挡效应下的毫米波一体化通信与感知方法 Download PDFInfo
- Publication number
- CN113965881B CN113965881B CN202111156208.9A CN202111156208A CN113965881B CN 113965881 B CN113965881 B CN 113965881B CN 202111156208 A CN202111156208 A CN 202111156208A CN 113965881 B CN113965881 B CN 113965881B
- Authority
- CN
- China
- Prior art keywords
- environment
- millimeter wave
- sensing
- occlusion
- channel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004891 communication Methods 0.000 title claims abstract description 52
- 230000000694 effects Effects 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000007613 environmental effect Effects 0.000 claims abstract description 47
- 230000008447 perception Effects 0.000 claims abstract description 34
- 238000009826 distribution Methods 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000001154 acute effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 5
- 230000010354 integration Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036314 physical performance Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种遮挡效应下的毫米波一体化通信与感知方法,利用现有通信***的导频信号或其它已知数据序列来进行感知,首先,构建了考虑遮挡效应的毫米波信道模型,将环境感知问题转换为压缩感知重构问题,随后基于环境散射体之间的相对位置关系,建立环境散射体分布与遮挡关系的模型。并根据接收数据、环境散射体分布和遮挡效应之间的关系,建立基于因子图的概率推理模型。最后基于利用遮挡关系的双线性近似消息传递方法,求解压缩感知重构问题,实现对环境的感知。相比现有的环境感知重构算法,本发明的基于遮挡效应的毫米波环境感知算法显著提升了环境感知的准确度,为未来感知通信一体化***设计提供了一种高效的环境感知方法。
Description
技术领域
本发明涉及无线通信领域,尤其新一代无线通信领域中的感知与通信一体化***设计。
背景技术
毫米波(mmWave)由于其具有高带宽、高可靠性和高集成性特点,结合大规模多输入多输出(MIMO)技术,已经成为了当前无线通信领域中的研究重点。随着无线通信行业的快速发展,考虑到快速增多的连接设备和服务,越发复杂的无线移动通信的应用场景,无线通信信号的传播环境日益复杂。同时,随着无线通信基站越发密集的部署,并且接收方和发送方具有相比以前更加强大的计算能力和物理性能,信息处理能力大幅提高,这对于通信体制提出了更高的要求。我们不仅希望它们能够继续提供原本的通信服务,同时希望通信设备利用自己强大的处理能力完成对环境的感知。具体而言,在未来的无线通信场景中,智慧城市、自动驾驶和无人机定位等新型技术不仅需要无线宽带连接,还需要感知准确的环境信息,包括但不限于该环境中静止或移动物体的背景散射体的位置、形状、状态和电磁特性等。
如何基于无线通信架构,利用无线通信设备进行环境感知,实现感知通信一体化是下一代无线通信***的重要研究方向。其中,在利用上行链路进行环境感知时,基站通过接收用户发送的上行链路通信信号,进行数据通信的同时,实现被动式环境感知。感知通信一体化***设计的一大挑战在于环境中潜在的大量未知变量,因此应该利用目标环境本身的稀疏性。例如,在蜂窝通信网络中,建筑物稀疏地分布在无线网络覆盖范围内。除此之外,散射体之间普遍具有遮挡效应,距离用户较近位置的散射体会对电磁信号产生遮挡,使其不能到达至同一传播方向下距离较远的散射体。因此,并不是感知范围内的所有散射体都会对同一用户的多径信道产生影响,互相遮挡造成了不同用户面临着不同的散射体环境,多个用户需要进行多视角的联合感知。目前,现有的环境感知算法没有利用环境散射体分布和遮挡效应之间关系,没有对此问题进行针对性的考虑,在求解具有遮挡效应的成像模型时性能较差。
综上所述,综合考虑毫米波环境感知问题和遮挡效应下的用户观测目标不一致的问题,如何联合实现上行数据中环境信息的分离和遮挡效应的分辨具有较高的研究难度和现实意义。
发明内容
本发明的目的是为了解决在上行链路无线通信场景中,基站如何利用多用户发送的上行数据进行环境感知的问题。本发明利用现有通信***的导频信号或其它已知数据序列来进行感知,收发处理分离,可与现有通信***兼容,实现感知通信一体化。考虑到由于环境散射体之间存在遮挡效应,不同用户面临着不同的散射体环境,提出了一种遮挡效应下的毫米波一体化通信与感知方法。
本发明所采用的具体技术方案如下:
一种遮挡效应下的毫米波一体化通信与感知方法,包括如下步骤:
1)在第T个时隙中,基站接收空间内的所有活跃用户发送的长度为L的导频序列s信号;
2)基站接收到信号后,基于一种考虑遮挡效应的毫米波信道模型,将环境感知问题转换为压缩感知重构问题;
3)基于环境散射体之间的相对位置关系,建立一种环境散射体分布与遮挡关系的模型;
4)计算接收数据、环境散射体分布和遮挡效应之间的关系,建立一种基于因子图的概率推理模型;
5)结合步骤3)和步骤4)中得到的模型,基于一种利用遮挡关系的双线性近似消息传递方法,求解步骤3)中的压缩感知重构问题,实现对环境的感知。
在一个或多个实施例中,为了将步骤2)中环境感知问题转换为压缩感知重构问题,需要在基于一种考虑遮挡效应的毫米波信道模型的基础上,对由环境散射体所造成多径信道HS进行估计,并分离出信道中的环境信息。
在一个或多个实施例中,步骤2)中的毫米波信道模型和压缩感知重构问题为:
2.a)环境信息离散化,将整个空间内的环境信息视作为点云,点云中的每个点代表其周围大小为lr,wr和hr的小立方体的环境信息,这些小立方体称为像素;感知的散射体环境的长、宽、高分别为Lr、Wr和Hr,则空间内点云的数量为N=Lr/lr×Wr/wr×Hr/hr;每一个像素内部可能是空的,也可能是存在散射体;我们使用一个散射系数xn来表示第n个点云点的所在小立方体的散射系数,若小立方体内部是空的,则xn=0;所以整个空间的环境信息可以用如下变量表示:
x=[x1,x2,...,xN]T;
2.b)将***模型表示如下,在空间内的多个用户共享时频资源,在任意频率资源块上,第nR个BS接收天线接收信号表示为
其中表示NR个BS天线的接收信号,表示Nu个用户发送长度为L码元的导频,w为噪声,表示用户到接收天线直视路径的信道系数,表示用户到空间点云位置的信道系数,表示用户到空间点云位置的信道系数,且H(nR)=Hs1(nR)diag(Hs2(nR)),其中表示用户至空间点云位置的遮挡矩阵,当Vs1出现全零列时,表示所有用户都无法感知到该像素点,即该像素点在感知范围外,Vs2(nR)∈{0,1}N×1表示空间点云位置直射至接收天线的遮挡矩阵,当Vs2(nR)出现零元素时,表示接收天线无法感知到该像素点,该像素点也在感知范围外,且V(nR)=Vs1(nR)diag(Vs2(nR));
2.c)基于上述***模型,求解环境信息的优化问题表达为,
在通信过程中,信道不确定性主要来自于未知的环境散射体分布,对于直视信道HLOS采用已知的统计模型描述,由此用户发送已知的导频s对信道HS进行估计,从而将求解问题转换为压缩感知重构问题:
在一个或多个实施例中,步骤3)中的环境散射体分布与遮挡关系的模型为:
像素点A和B之间存在一个存在散射系数的像素点C,我们提出了一种环境散射体分布与遮挡关系的模型进行遮挡判断,令像素点A位置为坐标原点,则像素点B和C的坐标分别表示为b和c,通过满足以下三点条件判断像素点C对像素点A和B之间的直视路径产生了遮挡;
像素点C与像素点A和B之间的直视路径的距离d小于阈值β:
向量b与向量c之间的夹角为锐角:
b·c>0;
像素点C位于像素点A和B之间:
||c·b||<||b||2。
在一个或多个实施例中,步骤4)中的一种基于因子图的概率推理模型为:
其中,HS是z的加噪观测,噪声是方差为σw的高斯白噪声;px(x)表示x的先验分布为高斯-伯努利分布:
在一个或多个实施例中,步骤5)中的利用遮挡关系的双线性近似消息传递方法为:
5.a)初始化算法参数,令t为迭代次数,对于m=1,2,...,M,残差均值为对于m=1,2,...,M,n=1,2,...,N,根据步骤4)中设定的px(x)和生成x的估计的均值和方差 的估计的均值和方差
其中,
其中,
其中,C是归一化变量;
其中,
本发明具有的有益效果是:在无线通信上行链路中,利用用户发送数据做环境感知的场景下(例如,一个多天线基站利用多个单天线用户发送的上行数据进行环境感知),本发明提出的遮挡效应下的毫米波环境感知方法,即一种遮挡效应下的毫米波一体化通信与感知方法,利用现有通信***的导频信号或其它已知数据序列来进行感知,可与现有通信***兼容,实现感知通信一体化。首先,本发明构建了一种考虑遮挡效应的毫米波信道模型,将环境感知问题转换为压缩感知重构问题。随后基于环境散射体之间的相对位置关系,建立一种环境散射体分布与遮挡关系的模型。并根据接收数据、环境散射体分布和遮挡效应之间的关系,建立一种基于因子图的概率推理模型。最后基于一种利用遮挡关系的双线性近似消息传递方法,求解压缩感知重构问题,实现对环境的感知。其利用多个用户观察视角,对环境进行了多视角的重构,相比现有的环境感知重构算法,本发明的基于遮挡效应的毫米波环境感知算法显著提升了环境感知的准确度,为未来感知通信一体化***设计提供了一种高效的环境感知方法。
附图说明
图1是遮挡效应下的毫米波环境感知场景示意图;
图2是环境散射体分布与遮挡关系示意图;
图3基于遮挡关系的因子图;
图4是将本发明与其他压缩感知重构算法相比较的环境感知直观结果图;
图5是将本发明与其他压缩感知重构算法相比较时,用户数量与环境感知准确度MSE的关系图;
图6是将本发明与其他压缩感知重构算法相比较时,信噪比SNR与环境感知准确度MSE的关系图。
具体实施方式
如图1所示,首先我们考虑如下场景,在室外区域中部署有一个基站(BS),存在多个活跃用户(UE)。上行通信场景中,多个单天线用户同时发送上行通信信号至BS。发送信号由散射体散射,多径传播至BS接收。环境中散射体之间存在遮挡效应,如上图所示,用户1的发送信号仅由目标散射体1、3散射后被AP接收,目标散射体2则不影响这一过程。
本发明一实施例提供了一种遮挡效应下的毫米波一体化通信与感知方法,其包括如下步骤:
1)在第T个时隙中,基站接收空间内的所有活跃用户发送的长度为L的导频序列s信号;
2)基站接收到信号后,基于一种考虑遮挡效应的毫米波信道模型,将环境感知问题转换为压缩感知重构问题;
其中,在本发明一实施例中,为了将步骤2)中环境感知问题转换为压缩感知重构问题,需要在基于一种考虑遮挡效应的毫米波信道模型的基础上,对由环境散射体所造成多径信道HS进行估计,并分离出信道中的环境信息。
具体地,在本发明一实施例中,本步骤2)中所述的毫米波信道模型和压缩感知重构问题为:
2.a)将环境信息离散化,将整个空间内的环境信息视作为点云,点云中的每个点代表其周围大小为lr,wr和hr的小立方体的环境信息,这些小立方体称为像素。感知的散射体环境的长宽高分别为Lr,Wr和Hr,则空间内点云的数量为N=Lr/lr×Wr/wr×Hr/hr。每一个像素内部可能是空的,也可能是存在散射体。我们使用一个散射系数xn来表示第n个点云点的所在小立方体的散射系数,若小立方体内部是空的,则xn=0。所以整个空间的环境信息可以用如下变量表示:
x=[x1,x2,...,xN]T;
2.b)将***模型表示如下。在空间内的多个用户共享时频资源,在任意频率资源块上,第nR个BS接收天线接收信号表示为:
其中表示NR个BS天线的接收信号,表示Nu个用户发送长度为L码元的导频,w为噪声。表示用户到接收天线直视路径的信道系数,表示用户到空间点云位置的信道系数,表示用户到空间点云位置的信道系数,且H(nR)=Hs1(nR)diag(Hs2(nR))。其中表示用户至空间点云位置的遮挡矩阵,当Vs1出现全零列时,表示所有用户都无法感知到该像素点,即该像素点在感知范围外。Vs2(nR)∈{0,1}N×1表示空间点云位置直射至接收天线的遮挡矩阵,当Vs2(nR)出现零元素时,表示接收天线无法感知到该像素点,该像素点也在感知范围外,且V(nR)=Vs1(nR)diag(Vs2(nR))。
2.c)基于上述***模型,求解环境信息的优化问题表达为,
在通信过程中,信道不确定性主要来自于未知的环境散射体分布,对于直视信道HLOS采用已知的统计模型描述。由此用户发送已知的导频s对信道HS进行估计,从而将求解问题转换为压缩感知重构问题,即:
3)基于环境散射体之间的相对位置关系,建立一种环境散射体分布与遮挡关系的模型;
具体地,在本发明一实施例中,本步骤3)中的环境散射体分布与遮挡关系的模型为:
如图2所示,像素点A和B之间存在一个存在散射系数的像素点C,我们提出了一种环境散射体分布与遮挡关系的模型进行遮挡判断。令像素点A位置为坐标原点,则像素点B和C的坐标分别表示为b和c。通过满足以下三点条件判断像素点C对像素点A和B之间的直视路径产生了遮挡。
像素点C与像素点A和B之间的直视路径的距离d小于阈值β,
向量b与向量c之间的夹角为锐角,
b·c>0;
像素点C位于像素点A和B之间,
||c·b||<||b||2;
4)计算接收数据、环境散射体分布和遮挡效应之间的关系,建立一种基于因子图的概率推理模型。
具体地,在本发明一实施例中,本步骤4)中的一种基于因子图的概率推理模型具体如下。
其中
表示HS是z的加噪观测,噪声是方差为σw的高斯白噪声。px(x)表示x的先验分布为高斯-伯努利分布,
5)结合步骤3)和步骤4)中得到的模型,基于一种利用遮挡关系的双线性近似消息传递方法,求解步骤3)中的压缩感知重构问题,实现对环境的感知。
具体地,在本发明一实施例中,本步骤中的利用遮挡关系的双线性近似消息传递方法为:
5.a)初始化算法参数。令t为迭代次数,对于m=1,2,...,M,残差均值为对于m=1,2,...,M,n=1,2,...,N,根据步骤4)中设定的px(x)和生成x的估计的均值和方差 的估计的均值和方差
其中,
其中,
C是归一化变量。
其中
通过计算机仿真可以看出:如图4所示,其中GAMP算法完全忽视遮挡效应。Bilinear GAMP算法将遮挡矩阵V和环境信息x视作为独立变量,不利用遮挡关系分别进行求解。相比前两种算法,本发明的基于遮挡效应的毫米波环境感知算法显著提升了环境感知的准确度。图5表明随着用户数量的增加,本发明的方法环境感知效果逐渐提升并优于现有的算法。图5表明随着信噪比的增加,本发明的方法环境感知效果逐渐提升并优于现有的算法。
综上所述,在无线通信上行链路中,利用用户发送数据做环境感知的场景下(例如,一个多天线基站利用多个单天线用户发送的上行数据进行环境感知),本发明实施例中提出的遮挡效应下的毫米波环境感知方法,即一种遮挡效应下的毫米波一体化通信与感知方法,利用现有通信***的导频信号或其它已知数据序列来进行感知,可与现有通信***兼容,实现感知通信一体化。首先,本发明实施例中构建了一种考虑遮挡效应的毫米波信道模型,将环境感知问题转换为压缩感知重构问题。随后基于环境散射体之间的相对位置关系,建立一种环境散射体分布与遮挡关系的模型。并根据接收数据、环境散射体分布和遮挡效应之间的关系,建立一种基于因子图的概率推理模型。最后基于一种利用遮挡关系的双线性近似消息传递方法,求解压缩感知重构问题,实现对环境的感知。其利用多个用户观察视角,对环境进行了多视角重构,相比现有的环境感知重构算法,本发明实施例中的基于遮挡效应的毫米波环境感知算法显著提升了环境感知的准确度,为未来感知通信一体化***设计提供了一种高效的环境感知方法。
上述实施例用来解释说明本发明,而不是对本发明进行限制。在本发明的精神和权利要求的保护范围内,对本发明做出任何修改和改变,都落入本发明的保护范围。
Claims (6)
1.一种遮挡效应下的毫米波一体化通信与感知方法,其特征在于,包括如下步骤:
1)在第T个时隙中,基站接收空间内的所有活跃用户发送的长度为L的导频序列s信号;
2)基站接收到信号后,基于一种考虑遮挡效应的毫米波信道模型,将环境感知问题转换为压缩感知重构问题;
3)基于环境散射体之间的相对位置关系,建立一种环境散射体分布与遮挡关系的模型;
4)计算接收信号、环境散射体分布和遮挡效应之间的关系,建立一种基于因子图的概率推理模型;
5)结合步骤3)和步骤4)中得到的模型,基于一种利用遮挡关系的双线性近似消息传递方法,求解步骤2)中的压缩感知重构问题,实现对环境的感知。
2.根据权利要求1所述的遮挡效应下的毫米波一体化通信与感知方法,其特征在于,为了将步骤2)中环境感知问题转换为压缩感知重构问题,需要在基于一种考虑遮挡效应的毫米波信道模型的基础上,对由环境散射体所造成多径信道HS进行估计,并分离出信道中的环境信息。
3.根据权利要求1或2所述的遮挡效应下的毫米波一体化通信与感知方法,其特征在于,步骤2)中的毫米波信道模型和压缩感知重构问题为:
2.a)环境信息离散化,将整个空间内的环境信息视作为点云,点云中的每个点代表其周围长宽高分别为lr,wr和hr的小立方体的环境信息,这些小立方体称为像素;感知的散射体环境的长、宽、高分别为Lr、Wr和Hr,则空间内点云的数量为N=Lr/lr×Wr/wr×Hr/hr;每一个像素内部可能是空的,也可能是存在散射体;使用一个散射系数xn来表示第n个点云点的所在小立方体的散射系数,若小立方体内部是空的,则xn=0;整个空间的环境信息用如下变量表示:
x=[x1,x2,…,xN]T;
2.b)将***模型表示如下,在空间内的多个用户共享时频资源,在任意频率资源块上,第nR个BS接收天线接收信号表示为:
其中表示NR个BS天线的接收信号,表示Nu个用户发送长度为L码元的导频,w为噪声,表示用户到接收天线直视路径的信道系数,表示用户到空间点云位置的信道系数,表示用户到空间点云位置的信道系数,且H(nR)=Hs1(nR)diag(Hs2(nR)),其中表示用户至空间点云位置的遮挡矩阵,当Vs1出现全零列时,表示所有用户都无法感知到该像素点,即该像素点在感知范围外,Vs2(nR)∈{0,1}N×1表示空间点云位置直射至接收天线的遮挡矩阵,当Vs2(nR)出现零元素时,表示接收天线无法感知到该像素点,该像素点也在感知范围外,且V(nR)=Vs1(nR)diag(Vs2(nR));
2.c)基于上述***模型,求解环境信息的优化问题表达为,
在通信过程中,信道不确定性主要来自于未知的环境散射体分布,对于直视信道HLOS采用已知的统计模型描述,由此用户发送已知的导频s对信道HS进行估计,从而将求解问题转换为压缩感知重构问题:
6.根据权利要求5所述的遮挡效应下的毫米波一体化通信与感知方法,其特征在于,步骤5)中的利用遮挡关系的双线性近似消息传递方法为:
5.a)初始化算法参数,令t为迭代次数,对于m=1,2,...,M,残差均值为对于m=1,2,...,M,n=1,2,...,N,根据步骤4)中设定的px(x)和生成x的估计的均值和方差 的估计的均值和方差
其中,
其中,
其中,C是归一化变量;
其中,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111156208.9A CN113965881B (zh) | 2021-09-28 | 2021-09-28 | 遮挡效应下的毫米波一体化通信与感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111156208.9A CN113965881B (zh) | 2021-09-28 | 2021-09-28 | 遮挡效应下的毫米波一体化通信与感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113965881A CN113965881A (zh) | 2022-01-21 |
CN113965881B true CN113965881B (zh) | 2022-11-01 |
Family
ID=79462827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111156208.9A Active CN113965881B (zh) | 2021-09-28 | 2021-09-28 | 遮挡效应下的毫米波一体化通信与感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113965881B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115243311A (zh) | 2022-07-29 | 2022-10-25 | 浙江大学 | 一种迭代聚焦式毫米波一体化通信与感知方法 |
CN115473771A (zh) * | 2022-08-10 | 2022-12-13 | 浙江大学 | 一种基于模型演进的环境感知方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021027305A1 (zh) * | 2019-08-12 | 2021-02-18 | 华为技术有限公司 | 一种确定通信传输中感知信息的方法及相关设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2020647A1 (en) * | 2007-08-03 | 2009-02-04 | Insigna Security Srl | Automatic multi-user system for localization, alarm and personal emergency, operating in multi-standard mode in aerial environment |
US8804811B2 (en) * | 2012-11-19 | 2014-08-12 | King Fahd University Of Petroleum And Minerals | Method for compressive sensing , reconstruction, and estimation of ultra-wideband channels |
CN106772365B (zh) * | 2016-11-25 | 2019-07-12 | 南京理工大学 | 一种基于贝叶斯压缩感知的多径利用穿墙雷达成像方法 |
CN109738898B (zh) * | 2019-01-15 | 2021-01-15 | 西安电子科技大学 | 轨旁环境感知的发射器、采集器、接收器及通信感知*** |
CN112769461B (zh) * | 2020-12-11 | 2022-04-22 | 华南理工大学 | 基于毫米波智能反射面通信的大规模天线信道估计方法 |
-
2021
- 2021-09-28 CN CN202111156208.9A patent/CN113965881B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021027305A1 (zh) * | 2019-08-12 | 2021-02-18 | 华为技术有限公司 | 一种确定通信传输中感知信息的方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113965881A (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yuan et al. | Reconfigurable-intelligent-surface empowered wireless communications: Challenges and opportunities | |
Yan et al. | Passive beamforming and information transfer design for reconfigurable intelligent surfaces aided multiuser MIMO systems | |
EP3406059B1 (en) | Method for decoding symbol and receiver for receiving and decoding symbol | |
Imoize et al. | Standard propagation channel models for MIMO communication systems | |
CN113965881B (zh) | 遮挡效应下的毫米波一体化通信与感知方法 | |
EP3940968A1 (en) | A method and an apparatus for a transmission scheme | |
Wang et al. | Sparse channel estimation in millimeter wave communications: Exploiting joint AoD-AoA angular spread | |
WO2024021440A1 (zh) | 一种迭代聚焦式毫米波一体化通信与感知方法 | |
EP4266603A1 (en) | Space division-based data processing method and communication device | |
Iimori et al. | A stochastic gradient descent approach for hybrid mmWave beamforming with blockage and CSI-error robustness | |
US9503164B1 (en) | Method and apparatus for channel estimation in massive MIMO systems with dynamic training design | |
Kwon et al. | Integrated localization and communication for efficient millimeter wave networks | |
Ebrahiem et al. | A deep learning approach for channel estimation in 5G wireless communications | |
CN116743222A (zh) | 复用波束赋形方法、通信感知计算一体化***及相关装置 | |
Chen et al. | Performance evaluation of BER for an Massive-MIMO with M-ary PSK scheme over Three-Dimension correlated channel | |
Xu et al. | Deep learning based channel covariance matrix estimation with scene images | |
Sande et al. | Fast convergence for efficient beamforming in massive MIMO heterogeneous networks | |
Li et al. | A GAN-GRU Based Space-Time Predictive Channel Model for 6G Wireless Communications | |
Eriksson et al. | Stochastic channel model for simulation of mobile ad hoc networks | |
US11438044B1 (en) | Interference aware eigen-beamforming based on second order statistics | |
Yamada et al. | Plane-wave and vector-rotation approximation technique for reducing computational complexity to simulate MIMO propagation channel using ray-tracing | |
Tong et al. | Focused sensing in a wireless communication system | |
Xing et al. | Modeling for geometry-based massive MIMO V2V channels and analysis of space-time correlation | |
Li et al. | Exploiting Cell-Free Massive MIMO for Computational Imaging | |
Tamaddondar et al. | 3D cluster-based ray tracing technique for massive MIMO channel modeling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |