CN103873395B - 一种基于轨道交通无线环境图的智能移动通信方法 - Google Patents
一种基于轨道交通无线环境图的智能移动通信方法 Download PDFInfo
- Publication number
- CN103873395B CN103873395B CN201410099453.4A CN201410099453A CN103873395B CN 103873395 B CN103873395 B CN 103873395B CN 201410099453 A CN201410099453 A CN 201410099453A CN 103873395 B CN103873395 B CN 103873395B
- Authority
- CN
- China
- Prior art keywords
- track traffic
- wireless environment
- channel
- train
- parameter
- 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.)
- Expired - Fee Related
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种基于轨道交通无线环境图的智能无线移动通信方法,该方法基于列车运动规律重复性和轨道沿线无线信道一定程度上可预测性,提出一种新颖的、具有无线环境认知能力的轨道交通无线移动通信方法,借助轨道交通无线环境图实现对无线信道乃至所在场景更为精准全面的感知或预测,提高信道估计的准确性、降低信道估计的复杂度,并在列车重复性运行过程中,不断完善轨道交通无线环境图,进而提高无线移动通信系统的通信质量和可靠性,并降低通信系统的能耗。
Description
技术领域
本发明涉及轨道交通无线移动通信技术领域,尤其涉及一种基于轨道交通无线环境图的智能移动通信方法。
背景技术
中国已经拥有世界上最大规模以及最高运营速度的高速铁路网,而且正在兴建和即将兴建的高速铁路客运专线和城际铁路里程达到17,000公里。同时,预计到2015年,中国城市轨道交通线路将达到87条,运营总里程将超过2500公里。为传递轨道交通安全控制信息(如视频监控)和各种传感信息,以及为乘客提供语音及数据通信服务,迫切需要发展面向轨道交通的宽带无线通信系统,最终实现轨道交通的信息化和智能化。由于轨道交通环境的特殊性,比如高铁的快速移动性、沿途穿越高架桥和隧道等各种环境,而地铁列车多在隧道中运行,这些都与传统的公众蜂窝移动通信环境有显著差别。目前,现有高铁或地铁公众移动通信服务基本上仍是沿用现有的陆地公众蜂窝移动通信系统,未考虑轨道交通无线通信环境的特殊性,因此存在诸多缺点,例如:难以快速而精准地进行信道估计、多普勒频谱扩展补偿;复杂多变的信道衰落或干扰以及轨道交通所具有的独特的群切换所引发的通信链路中断、链路性能(误码率、丢包率)恶化或切换失败,总之,轨道交通环境下现有移动通信系统的通信质量(或用户体验)尚不到保障、亟待提高。因此,需要提供一种新的轨道交通无线环境图的智能移动通信方法。
发明内容
针对以上现有技术的不足,本发明提供一种基于轨道交通无线环境图的智能移动通信方法。
本发明采用下述技术方案:
一种基于轨道交通无线环境图的智能移动通信方法包括如下步骤:
1)针对列车的运行线路和采用的无线通信系统,构建适用的轨道交通无线环境图;
2)根据列车当前位置和轨道交通无线环境图,进行场景感知和无线信道特性的感知,确定无线信道信息及相关场景信息;
3)对无线信道信息及相关场景信息进行更新;
4)对无线通信系统参数进行预调整或优化,进而提高无线移动通信系统的通信质量(QoS)、用户体验(QoE)和可靠性;
5)基于轨道交通列车运行线路的重复性,对轨道交通无线环境图不断修正、完善,进而提高轨道交通无线移动通信系统的通信质量(QoS)、用户体验(QoE)和可靠性。
本发明的有益效果如下:
本发明智能移动通信方法能提高无线移动通信系统的通信质量和可靠性,并降低通信系统的能耗。同时此方法并不局限于轨道交通环境,也能同样适用于其他有特定运动轨迹的无线移动通信系统(如高速公路车地通信系统、航空航天飞行器等)。
附图说明
图1基于轨道交通无线环境图的轨道交通智能无线移动通信系统示意图;
图2基于轨道交通无线环境图的轨道交通智能无线移动通信系统工作原理示意图;
图3基于轨道交通无线环境图的移动通信系统认知算法流程示意图;
图4接收信号的矢量幅度误差(EVM)在信道参数优化过程中逐渐减小的示意图;
图5轨道交通环境三种不同信道条件下采用认知算法后接收机误码率的仿真结果;
图6具有理想轨道交通无线环境图(信道特性参数数据库)情况下信道估计算法框图;
图7不具有理想轨道交通无线环境图(信道特性参数数据库)情况下信道估计算法框图。
具体实施方式
为了更清楚地说明本发明,下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
本发明的具体方法步骤如下。
1.构建合适的轨道交通无线环境图
“无线环境图”(Radio Environment Map,“REM”)的概念最先是由专利申 请人(赵友平)等人于2006年提出。无线环境图是对复杂无线环境的数字化抽象,直接反映多维无线环境信息(如无线信道参数、无线信号或干扰的时域-空域-频域-调制域分布、网络拓扑等)。无线环境图的根本目的是为认知无线电设备或网络提供精准、全面的信息支撑,进而为多目标跨层乃至跨网优化提供支持。作为是一种实现低成本、高性能认知无线通信系统的有效方法,“无线环境图”已得到了国内外同行以及国际创新无线论坛(原“软件无线电论坛”)的认同,“无线环境图”这一概念已得到国际标准化组织(如IEEE,ITU-R,ETSI)的采纳,并被视为认知无线通信网络的关键使能模块。无线环境图在欧盟第七框架计划2010年启动的研究项目FARAMIR中得到了成功应用和验证。
无线环境图是一个综合信息库,可以储存多维的场景信息,如通信节点所在地理环境信息、无线信道特性参数、无线网络类型与覆盖区域、无线网络拓扑、以及先验知识、系统优化的约束条件与规则等等。无线环境图将是认知无线通信系统智慧“大脑”的一个不可或缺的重要组成部分。具体实现时,无线环境图可以存放在数据库系统或存储芯片中。
针对轨道交通无线信道的特点以及轨道交通移动通信的技术体制,确定轨道交通无线环境图的信息单元的组成要素及其相互关系、数据结构,记录点选取准则(如轨道交通无线环境图在空域、频域的采样准则)和记录更新准则等。例如,对于基于正交频分复用(OFDM)的轨道交通移动通信系统,轨道交通无线环境图可以提供基站的位置信息、工作频率、发射功率等信息,以及在每个记录点,列车车载天线与基站天线之间的无线信道信息(如每一有效传播路径的衰减系数、到达角、时延等参数)。轨道交通无线环境图的初始参数可以通过现场信道探测的方法直接得到,或者运用射线跟踪法通过计算机仿真得到。在列车运行过程中,可以根据车载无线通信设备的实时频谱感知以及无线链路的实际性能对轨道交通无线环境图中的有关参数不断进行修正,目的是最终消除轨道交通无线环境图中存储的参数与真实值之间的偏差,全面提高轨道交通环境下各种无线通信系统的性能。
射线跟踪法是一种快速有效的波场近似计算方法,可以用来辨认出多径信道中收发之间所有可能的射线路径。一旦所有可能的射线被辨认出后,就可根据电波传播理论来计算每条射线的幅度、相位、延迟和极化,然后结合天线方向图和系统带宽就可得到接收点的所有射线的相干合成结果。结合轨道交通所具有的特点(如列车运动的路线确定),可以通过离线的计算机仿真得到给定线路和沿线场景的轨道交通无线信道参数的初始值。
表1给出了一个通过实测得到的轨道交通环境无线信道参数表的示例。所有路径的功率均为相对于最强路径功率的相对功率,到达角为来波方向的反方向与移动速度方向的夹角。
表1
2.确定列车及车载台天线的当前位置,可以通过查表(即轨道交通无线环境图中的无线信道参数表)的方式来获取无线信道信息及相关场景信息(如列车运行在高架桥、隧道、站台、城市、农村、山区等)。
轨道交通列车的位置感知与精确定位是智能无线移动通信系统从轨道交通无线环境图中获取所在环境与无线信道信息的前提。列车定位可以利用列车车轮转数器与轨道应答器校准相结合的精确定位方法,例如,我国客车轨轮直径为910mm,车轮旋转一周旋转编码器产生1200个脉冲,则可以实现的定位精度可达到2.4mm(毫米量级),也可以辅之以GPS或北斗卫星定位。而当无线通信系统工作频率为2GHz,列车移动速度为360km/h时,根据信道的相关性,可以计算得到最大空间取样间隔(即无线信道的相关距离)的保守估计为1.3cm。因此,即便是列车以360km/h的速度高速运行,列车的定位精度足以达到轨道交通无线环境图对位移分辨力的要求。
3.更新轨道交通无线环境图的无线信道参数
由于种种现实因素(例如系统定位精度、场景参数或信道参数的测量误差以及环境随机因素等),在给定位置,通过现场信道探测或计算机射线跟踪法仿真获得的无线环境图初始信道参数与实际信道参数并不完全一致,仍存在或多或少的偏差,这就需要在列车重复性的运行过程中,利用最优化方法或人工智能算法(如演进算法)不断优化、完善或更新无线环境图中的信道参数,确保轨道交通无线环境图中无线信道参数的准确性,系统流程如图2所示。
作为一个示例,基于演进算法的信道参数优化算法的基本流程如下,需要说明的是,可选用的参数优化方法有很多,并不限于下述演进算法:
{
1.发射机产生发送信号。
2.产生初始信道参数。初始参数是我们通过射线跟踪法得到的理论估计值,它与实际信道参数往往有偏差,因此我们需要以该参数为起点进行优化。
3.产生实际参数。通过在初始信道参数的基础上加随机偏差来得到实际信道参数。实际参数一旦产生,在优化过程中便不再改变,它是优化结束后信道参数相对误差的比较基准。
4.产生初始种群。
5.将种群(二进制矩阵)进行解码,得到估计参数。
6.用该种群求适应度函数。这里,适应度函数为误码率(BER)或矢量幅度误差(EVM)。
7.演进:即上一代适应度函数越大的个体,就越容易被选中进入下一代。且有最优保留机制。
8.交叉:采用单点交叉。
9.变异
10.输出每一代的最优适应度值(例如,误码率BER或矢量幅度误差EVM)及对应的最佳信道参数。
11.经步骤7、8、9得到新种群,返回5,不断迭代。
}
例如,如图3所示,可以在轨道交通宽带移动通信系统中灵活运用基于演进算法、基于知识以及基于经验(即历史数据、实例)的学习优化算法,将二种算法相结合可以显著提高智能通信系统优化学习的效果,根据列车运行中获得的测量报告或反馈信息实现轨道交通复杂场景多种环境参数的优化、修正或完善。图4显示接收信号的矢量幅度误差(EVM)在无线信道参数优化过程中逐渐减小,该结果表明在列车周而复始的运行过程中,轨道交通无线环境图中的无线信道参数不断得到完善,越来越逼近真实值。
4.应用基于轨道交通无线环境图的无线移动通信优化算法不断提高系统性能
利用轨道交通列车运行位置的可预测性,利用轨道交通无线环境图和学习优化算法,对系统参数(如收发信机的工作频率、调制方式、增益、载波频偏等)进行预调整或优化,进而提高无线移动通信系统的通信质量(QoS)、用户体验(QoE)和可靠性。实现多维资源(如功耗,频谱,系统开销等)最优化, 并可以支持动态频谱接入,减少系统导频与信令开销,降低轨道交通移动通信系统的能耗。
作为一个示例,下面基于轨道交通无线环境图的多普勒扩展补偿算法,需要说明的是,可选用的系统优化算法有很多,并不限于下述多普勒扩展补偿算法。
假设列车采用基于正交频分复用(OFDM)的宽带移动通信系统,可以利用轨道交通无线环境图,实现自适应的多普勒补偿。轨道交通无线环境图可以提供无线信道信息,作为示例,可以采用的多普勒扩展自适应补偿算法如下:
假设基站与车载台之间有Np条路径,每个路径的衰减系数、多普勒频移、时延、瞬时噪声分别为αn,Δfn,τn,zn(0≤n≤Np-1)。发送信号为s(m),则接收信号r(m)可以表示为:
对于0≤k≤Np–2,pk≤m<pk+1;
对于k=Np–1,pNp-1≤m≤N–1
其中0≤m≤N–1
由(1)式通过N个采样点可以得到N个线性方程(含N个待求未知量),轨道交通无线环境图可提供其中的信道参数,当信噪比SNR比较高时,发送信号s(m)可以通过线性方程组求解得到,如式(2)所示。这样由多普勒扩展导致的子载波间干扰可以很大程度上得以消除或降低。
基于无线环境图的自适应多普勒扩展补偿算法能够显著提高轨道交通宽带移动通信的性能,这一点已经通过计算机仿真得到验证,如图5所示。图中在轨道交通环境三种不同信道条件下,采用认知算法后接收机误码率的仿真结果(红线对应的是基于轨道交通无线环境图的认知算法,其性能明显优于蓝线所代表的传统算法)。
假定车-地之间采用TD-LTE技术标准进行通信,如图1所示。TD-LTE每一帧包含10个子帧,每个子帧有2个时隙,每个时隙长0.5ms。系统仿真参数 如表2所示。
表2
系统参数 | 参数值 |
传输信号带宽 | 10MHz |
子载波间隔 | 15kHz |
帧长 | 10ms |
采样率 | 15.36MHz |
FFT点数 | 1024 |
子载波数量 | 601(including DC sub-carrier) |
OFDM符号长度 | 66.67μs |
总的符号长度(含标准的循环前缀) | 71.4μs(normal CP) |
每时隙的OFDM符号数 | 7 |
受保护的子载波数量 | 212(left side),211(right side) |
调制方式 | 16QAM |
载波频率 | 2.6GHz |
由图5可以看出,当车载移动台采用基于轨道交通无线环境图的多普勒扩展补偿算法(图中算法2)后,宽带移动通信系统链路性能(如误码率)较常规算法(图中算法1)有显著改善,尤其是当次径功率比较强时,例如次径功率接近主径功率时(即α1=0.9α0)。
具有环境认知能力的轨道交通移动通信系统中,在理想轨道交通无线环境图REM信息情况下,信道估计算法框图如图6所示。轨道交通无线环境图(REM)数据库存储有某特定铁路沿线上,所有场景的信道特性参数(包括各径的到达时延、衰减系数、到达角等信息)。因此,接收机根据列车定位信息,提取各场景信道特性参数,进行信道补偿与解调接收。
而当不具有理想轨道交通无线环境图(即:无线环境图中信息跟实际值相比,存在误差时)信息情况下,信道估计算法框图则如图7所示。接收端进行以下操作:
501)基于轨道交通无线环境图所提供的列车所在位置车载天线与基站天线之间的信道特性参数,进行信道补偿、数据解调,计算链路性能如误比特率BER;
同时,基于对接收信号的导频估计,实时获取车载天线与基站天线之间的信道特性参数,进行信道补偿、数据解调,计算链路性能如误比特率BER;
502)通过对上述两种不同方法所得到的链路性能的比较,判断是否需要 修正无线环境图中的信道参数;
503)若需要修正,则根据基于导频估计的信道参数对无线环境图中的信道参数进行更新、优化;
504)在列车周而复始的运行过程中,重复上述步骤501‐503,进而达到更新完善轨道交通无线环境图的目的,使得无线环境图中所存储的信道特性参数不断逼近实际值,列车移动通信系统的性能得以不断提高。
总之,在不具有理想轨道交通无线环境图信息情况下,信道估计算法结合了无线环境图的思想,根据列车在固定路线上运行的特点进行信道补偿。首先通过存储列车运行沿线的信道特性参数,建立信道特性参数数据库。然后在实际通信中,直接调用数据库中的信息对接收到的数据进行信道补偿。并与基于导频估计的信道补偿算法性能进行对比,输出当前解调性能较好的数据。同时,此算法能结合实时的信道环境特点,对信道特性参数进行修正,使下一时刻信道估计性能更逼近于理想链路性能(如误码率BER)。
需要指出的是,本发明并不局限于轨道交通环境,也同样适用于其他有特定运动轨迹的无线移动通信系统(如高速公路车地通信系统、航空航天飞行器等)。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (2)
1.一种基于轨道交通无线环境图的智能移动通信方法,其特征在于,该通信方法包括如下步骤:
1)针对列车的运行线路和采用的无线通信系统,构建适用的轨道交通无线环境图;
2)根据列车当前位置和轨道交通无线环境图,进行场景感知和无线信道特性的感知,确定无线信道信息及相关场景信息;
3)对无线信道信息及相关场景信息进行更新;
4)对无线通信系统参数进行预调整或优化,进而提高无线移动通信系统的通信质量、用户体验和可靠性;
5)基于轨道交通列车运行线路的重复性,对轨道交通无线环境图不断修正、完善,进而提高轨道交通无线移动通信系统的通信质量、用户体验和可靠性,具体包括以下步骤:
501)基于轨道交通无线环境图所提供的列车所在位置车载天线与基站天线之间的信道特性参数,进行信道补偿、数据解调,计算链路性能;
同时,基于对接收信号的导频估计,实时获取车载天线与基站天线之间的信道特性参数,进行信道补偿、数据解调,计算链路性能;
502)通过对上述两种不同方法所得到的链路性能的比较,判断是否需要修正无线环境图中的信道参数;
503)若需要修正,则根据基于导频估计的信道参数对无线环境图中的信道参数进行更新、优化;
504)在列车周而复始的运行过程中,重复上述步骤501-503,进而达到更新完善轨道交通无线环境图。
2.根据权利要求1所述的一种基于轨道交通无线环境图的智能移动通信方法,其特征在于,所述步骤2中的无线信道信息包括主要的信道参数,多径数、每径的路径损耗、到达时间、到达角、干扰信号特性参数中的一种或多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410099453.4A CN103873395B (zh) | 2014-03-18 | 2014-03-18 | 一种基于轨道交通无线环境图的智能移动通信方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410099453.4A CN103873395B (zh) | 2014-03-18 | 2014-03-18 | 一种基于轨道交通无线环境图的智能移动通信方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103873395A CN103873395A (zh) | 2014-06-18 |
CN103873395B true CN103873395B (zh) | 2017-07-21 |
Family
ID=50911532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410099453.4A Expired - Fee Related CN103873395B (zh) | 2014-03-18 | 2014-03-18 | 一种基于轨道交通无线环境图的智能移动通信方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103873395B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105744461A (zh) * | 2014-12-10 | 2016-07-06 | 宇龙计算机通信科技(深圳)有限公司 | 一种通信信号的提示方法和装置 |
CN105207727B (zh) * | 2015-05-04 | 2018-07-13 | 北京交通大学 | 基于非连续频谱信号的无线信道探测方法 |
CN104993914B (zh) * | 2015-05-18 | 2018-09-25 | 北京交通大学 | 基于无线环境图的无线信道估计方法与装置 |
CN107888227B (zh) * | 2017-06-30 | 2020-08-25 | 比亚迪股份有限公司 | 列车车地通信方法、系统及应答器装置 |
CN109842464B (zh) * | 2017-09-30 | 2022-07-01 | 西门子(中国)有限公司 | 一种重传数据包的方法、系统及装置 |
CN107659942B (zh) * | 2017-10-25 | 2020-09-15 | 苏州大学 | 一种基于认知基站的铁路通信频谱共享方法和系统 |
CN109362083B (zh) * | 2018-10-31 | 2021-09-07 | 北京交通大学 | 高速铁路无线信道数据库构建及数据预处理方法 |
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、接收器及通信感知系统 |
CN110266412B (zh) * | 2019-07-01 | 2021-06-18 | 中国电信股份有限公司 | 预测地铁通信网络sinr的方法和装置 |
CN113114401B (zh) * | 2019-12-24 | 2022-06-21 | 西华师范大学 | 物联网中无线射频标签识别系统无线信道参数的估计方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101277278A (zh) * | 2008-05-21 | 2008-10-01 | 清华大学 | 一种针对有轨交通的无线信道预测方法 |
-
2014
- 2014-03-18 CN CN201410099453.4A patent/CN103873395B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101277278A (zh) * | 2008-05-21 | 2008-10-01 | 清华大学 | 一种针对有轨交通的无线信道预测方法 |
Non-Patent Citations (2)
Title |
---|
Learning - and Optimization-Based Channel Estimation for Cognitive High-Speed Rail Broadband Wireless Communications;Youping Zhao 等;《IEEE》;20121005;正文第2页左栏倒数第3段至正文右栏倒数第2段,图1 * |
Radio environment map-based cognitive Doppler spread compensation algorithms for high-speed rail broadband mobile communications;Jinxing Li 等;《EURASIP Journal on Wireless Communications and Networking》;20121231;正文第3页左栏第1行至第17页左栏倒数第1段,图4 * |
Also Published As
Publication number | Publication date |
---|---|
CN103873395A (zh) | 2014-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103873395B (zh) | 一种基于轨道交通无线环境图的智能移动通信方法 | |
Fan et al. | 5G high mobility wireless communications: Challenges and solutions | |
US20220053289A1 (en) | Method and device in communication nodes for wireless communication | |
Chiu et al. | Cross‐layer design vehicle‐aided handover scheme in VANETs | |
CN102811083B (zh) | 一种高速铁路环境下信道信息预获方法 | |
CN102118762A (zh) | 一种针对高速铁路的无线通信网络单向覆盖方案 | |
CN107171965A (zh) | 基于分布式拥塞控制策略的车联网跨层机会路由方法 | |
CN109194366A (zh) | 基于g3-plc芯片和射频模块的无线自组网跳频电台 | |
CN102970067A (zh) | 一种用于实现连续的宽带通信的方法 | |
Lehner et al. | On the performance of TETRA DMO short data service in railway VANETs | |
CN110166087A (zh) | Iq失衡下导频复用大规模mimo-ofdm无线通信方法 | |
US20230075088A1 (en) | Systems and methods for reporting and beam management using artificial intelligence | |
Hu et al. | A LTE-Cellular-based V2X solution to future vehicular network | |
CN106060852A (zh) | 一种参数调整方法、基站和移动终端 | |
CN110519682B (zh) | 一种结合位置与通信范围预测的v2v路由方法 | |
Ferrari et al. | On the use of LPWAN for EVehicle to grid communication | |
CN109600157A (zh) | 一种基于信噪比估计的自适应正交恢复编码方法 | |
CN101674281A (zh) | 一种基于信道环境判决的导频图案设计方法 | |
Chenguang et al. | Analysis of the channel capacity with shadowing fading in VANET | |
CN110311713A (zh) | 一种基于ieee1901.1通信标准的电力双模通信方法 | |
Wang et al. | The QoS analysis of train-ground communication system based on TD-LTE in urban rail transit | |
Zhao et al. | Learning-and optimization-based channel estimation for cognitive high-speed rail broadband wireless communications | |
Chen et al. | Design and implementation of cooperative vehicle and infrastructure system based on IEEE 802.11 n | |
Sassi et al. | Experimental measurement for vehicular communication evaluation using OBU ARADA system | |
US10785062B2 (en) | Method and apparatus for state feedback decoder based channel estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170721 Termination date: 20190318 |