CN114337876A - 一种基于nsga2算法训练的amp检测算法和实施该算法的系统 - Google Patents

一种基于nsga2算法训练的amp检测算法和实施该算法的系统 Download PDF

Info

Publication number
CN114337876A
CN114337876A CN202111664065.2A CN202111664065A CN114337876A CN 114337876 A CN114337876 A CN 114337876A CN 202111664065 A CN202111664065 A CN 202111664065A CN 114337876 A CN114337876 A CN 114337876A
Authority
CN
China
Prior art keywords
algorithm
iteration
user
nsga2
signal
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.)
Granted
Application number
CN202111664065.2A
Other languages
English (en)
Other versions
CN114337876B (zh
Inventor
侯晓赟
赵健博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202111664065.2A priority Critical patent/CN114337876B/zh
Publication of CN114337876A publication Critical patent/CN114337876A/zh
Application granted granted Critical
Publication of CN114337876B publication Critical patent/CN114337876B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Radio Transmission System (AREA)
  • Digital Transmission Methods That Use Modulated Carrier Waves (AREA)

Abstract

本发明提供的基于NSGA2(非支配多目标优化遗传算法)训练的AMP检测算法和系统，将用户比特流映射到相应星座点；对信号作ISFFT变换，把信号映射到时频域中再经IFFT变换，把时频域信号转换为时域信号流；将时域信号流经过Jakes信道模型；取出每个用户的频域信号作SFFT变换得到相应的时延多普勒信号；将得到的信号进行AMP迭代检测，计算最小MSE，当MSE小于阈值时中止迭代；完成当前信号解调过程，依据迭代次数趋势图确立固定迭代次数，通过遗传算法多目标优化得到最优参数；将最优参数放入AMP检测算法进行检测。本发明通过计算迭代收敛率，在兼顾性能的同时确立最佳迭代次数，每层迭代的收敛因子看作独立参数，通过NSGA2算法训练出的参数对比固定参数有效性能提升。

Description

一种基于NSGA2算法训练的AMP检测算法和实施该算法的系统
技术领域
本发明属于无线传输领域，尤其涉及一种基于NSGA2算法训练的改进AMP检测算法以及实施该算法的系统。
背景技术
无线通信是数字通信中最重要的领域，然而，无线通信系统的高移动性和高数据速率的特性会导致诸如多径衰落、时延扩展、频谱资源稀缺等问题。除了上述无线通信特性引起的问题，近年来网络终端设备的爆炸式增长和无线移动通信业务日益多样化，提高无线通信系统的数据传输速率以满足通信业务需求成为一个非常急迫的研究热点。根据信息论，信道无差错传输信息的最大信息速率为信道容量。总的来说，有三种方法可以提高信道容量：一是扩大可使用的频谱范围，二是提高基站部署的数量，三是提高频率有效利用率。然而，扩大可使用的频谱范围这一方法很难应用在实际工程中来提高信道容量。提高基站部署的数量，虽然可以提高信道容量，但会使成本提高，并且引入了更严重的干扰，同样也难以应用在实际工程中。由于上述两个方法的缺陷，通信领域的研究者把更多的目光投向了通过提高频谱利用率来提高信道容量这一领域。多天线技术(Multi-input Multi-output，MIMO)通过在信号发射端和接收端分别配置多根天线，获得分集增益、天线增益、功率增益、空间复用增益和干扰抑制增益。并且能够在不需要增加额外带宽的条件下，提高信道容量，增加频谱利用率，提升数据的传输速率。虽然多天线技术会带来上述优点，但是随着传输天线和接收天线的增加，在信号接收端作信号解调的复杂度也随之提高，检测的准确度也会随之下降，并且还增加了作信道估计的资源成本。信号检测是对接收信号进行信号处理的第一步，也是最重要的环节，信号检测算法的复杂度和误码性能会直接影响信号后续的解调和还原过程。目前一些被广泛应用的信号检测算法都存在一些缺陷，有的是误码率低，但算法复杂度高，有的是算法复杂度低，但误码性能表现差，降低了通信系统的可靠性。
发明内容
本发明的目的是提供一种能够对多用户信号无干扰地进行传输的方案，且不需要增加额外的系统开销的一种基于NSGA2算法训练的改进AMP检测算法。
为实现以上目的，本发明提供了一种基于NSGA2算法训练的AMP检测算法，包括以下步骤：
步骤一、随机生成多个用户比特流，并将每个用户比特流映射到相应星座点上；
步骤二、经步骤一处理过的信号作ISFFT变换，把时延多普勒信号映射到时频域中，再经IFFT变换，把时频域信号转换为时域信号流；
步骤三、将经步骤二处理得到的时域信号流经过Jakes信道模型；
步骤四、取出每个用户的频域信号作SFFT变换得到每个用户相应的时延多普勒信号；
步骤五、将经步骤四处理得到的信号进行AMP迭代检测，计算每次迭代的
Figure BDA0003451157800000031
中每个值与星座点xo的最小MSE，当MSE小于阈值时中止迭代；
步骤六、完成当前信号解调过程，依据迭代次数趋势图确立固定迭代次数，将每一次迭代的收敛因子看作独立参数，通过NSGA2多目标优化算法来得到最优参数；
步骤七、将最优参数放入AMP检测算法进行检测。
本发明的进一步改进在于，在步骤一中，根据帧个数和子载波个数大小及采用的调制方式随机生成N*M*M_bits个大小的比特流，每30bits插入一个信标，根据用户数量N_user将比特流等分后根据调制方式将其映射到每个用户的星座点上，其中N代表帧的个数，M代表子载波的个数，M_bits代表每个符号对应的比特大小，N_user代表用户数量。
本发明的进一步改进在于，每个用户的信号个数为N*M/N_user，假设每个用户信号维度为axb,时延多普勒网格大小为MxN,以行和列为方向分别重复M/a次和N/b次铺满整个时延多普勒网格，对时延多普勒网格每个用户信号重复的区域加上相位旋转以使信号经调制后映射到时频域的固定区域。
本发明的进一步改进在于，步骤二中的ISFFT变换公式如下：
Figure BDA0003451157800000032
本发明的进一步改进在于，步骤二中的IFFT变换公式如下：
Figure BDA0003451157800000033
本发明的进一步改进在于，步骤四中的SFFT变换公式如下：
Figure BDA0003451157800000041
本发明的进一步改进在于，在步骤五中，已知接收信号y，信道状态消息H，高斯白噪声的功率σ2，算法的迭代次数T,阻尼系数β，初始化
Figure BDA0003451157800000042
i＝1,2,…,N,具体迭代算法如下：
For t←1,…T do
Figure BDA0003451157800000043
Figure BDA0003451157800000044
Figure BDA0003451157800000045
Figure BDA0003451157800000046
Figure BDA0003451157800000047
Figure BDA0003451157800000048
Figure BDA0003451157800000049
Figure BDA00034511578000000410
Figure BDA00034511578000000411
Figure BDA00034511578000000412
Figure BDA00034511578000000413
Figure BDA0003451157800000051
Figure BDA0003451157800000052
end for。
本发明的进一步改进在于，步骤七还包括确立最佳迭代次数后，按照每次迭代一个独立阻尼因子β作为输入参数，记作βi，取值范围为(0:1)，步长为0.01，从3dB到20dB选取不同信噪比下的最终误码率作为代价函数，初始种群设置为50，交叉比0.9，变异概率0.08，迭代200次，通过遗传算法训练出最佳阻尼因子：[0.23 0.1 0.48 0.62 0.65 0.1 0.410.36 0.85]，将其与固定收敛因子0.7进行性能比较。
为了实现发明目的，本发明还提供了一种实施前述基于NSGA2算法训练的AMP检测算法的系统。
本发明的有益效果如下：本发明提供的一种基于NSGA2算法训练的改进AMP检测算法和系统，通过计算迭代收敛率，在兼顾性能的同时确立最佳迭代次数，每层迭代的收敛因子看作独立参数，通过遗传算法训练出的参数对比固定参数有有效性能提升。
附图说明
图1为本发明的一种基于遗传算法训练的改进AMP检测算法的流程图。
图2本发明的遗传算法的流程图。
图3本发明的AMP检测算法在提前中止迭代与固定迭代20次的性能比较图。
图4本发明的AMP检测算法的提前中止迭代次数图。
图5本发明的一种基于NSGA2算法训练的改进AMP检测算法迭代9次的性能比较图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
需要强调的是，在描述本发明过程中，各种公式和约束条件分别使用前后一致的标号进行区分，但也不排除使用不同的标号标志相同的公式和/或约束条件，这样设置的目的是为了更清楚的说明本发明特征所在。
本发明提供一种基于NSGA2算法训练的改进AMP检测算法，以一个基站和四个用户组成的单发单收的OTFS系统为例加以详细阐述。假设信道是由时延扩展分别为τi,i＝1,2,...P,多普勒扩展分别为vi,i＝1,2,...P的p个抽头组成，调制方式为4QAM，总体的流程图如图1所示，包括以下步骤：
步骤一：根据帧个数和子载波个数大小及采用的调制方式随机生成N*M*M_bits个大小的比特流，每30bits插入一个信标，根据用户数量N_user将比特流等分后根据调制方式将其映射到每个用户的星座点上，其中N代表帧的个数，M代表子载波的个数，M_bits代表每个符号对应的比特大小，N_user代表用户数量。这里考虑具有4个上行链路用户(User)与基站(BS)进行通信的一个OTFS系统，每个用户在上行链路上使用调制进行信号发送每个用户配备一个天线发射机，并且基站配备一个天线接收机。
步骤二：由步骤一知，每个用户的信号个数为N*M/N_user，这里不妨假设为每个用户信号维度为axb,时延多普勒网格大小为MxN,以行和列为方向分别重复M/a次和N/b次铺满整个时延多普勒网格，对时延多普勒网格每个用户信号重复的区域加上相位旋转以使信号经调制后映射到时频域的固定区域。此处以单个用户的参考值为例：
x_user1＝[-1+1i 1+1i 1+1i -1+1i；
1-1i 1+1i 1-1i 1-1i；
-1+1i -1+1i -1+1i -1-1i；
-1+1i 1+1i -1-1i -1-1i；]。
步骤三：对经步骤二处理后的信号作ISFFT变换如式(1)，把时延多普勒域的信号映射到时频域中；之后经过Heisenberg变换如式(2)将时频域的信号转换为时域信号流：
Figure BDA0003451157800000071
Figure BDA0003451157800000072
步骤四：将经步骤三处理得到的时域信号流通过Jakes信道模型并引入加性高斯白噪声；
x_user1
＝[-1.2905+2.2062i 1.3581+1.1576i 0.5322-1.2437i -0.5983-4.2219i；-4.3789+0.6911i 0.0186+1.8446i 0.3680-1.9378i -0.2042-0.3335i；-0.7152+0.6069i-0.3169-1.9293i -1.5921+0.1721i -0.1434+0.6183i；4.5489+2.6805i -0.6656+1.3496i 0.5930+0.6613i -1.9878-0.1988i]
步骤五：对经步骤四处理得到的经过信道的输出信号作Wigner变换得到多个用户的时频域信号；对每个用户信号作SFFT变换如式(3)得到每个用户相应的时延多普勒域信号：
Figure BDA0003451157800000081
步骤六：对经步骤五处理的信号进行AMP检测，已知接收信号y，信道状态消息H，高斯白噪声的功率σ2，算法的迭代次数T,阻尼系数β，初始化
Figure BDA0003451157800000082
i＝1,2,…,N,具体迭代算法如式(4)所示：
For t←1,…T do
Figure BDA0003451157800000083
Figure BDA0003451157800000084
Figure BDA0003451157800000085
Figure BDA0003451157800000086
Figure BDA0003451157800000087
Figure BDA0003451157800000088
Figure BDA0003451157800000089
Figure BDA00034511578000000810
Figure BDA00034511578000000811
Figure BDA00034511578000000812
Figure BDA00034511578000000813
Figure BDA0003451157800000091
Figure BDA0003451157800000092
end for (4)
其中，每次迭代时计算
Figure BDA0003451157800000093
中每个值与星座点xo的最小MSE，当所有值均满足条件时终止迭代，具体如式(5)所示：
Count＝zeros(MN)
For i←1,…MN do
Figure BDA0003451157800000094
Figure BDA0003451157800000095
Count(i)＝1
end for
if Count＝＝ones(MN)
break； (5)
步骤七：按照各类的中心对应的星座点将检测得到的属于各类的数据点组成的数据流映射为比特流，完成当前信号解调过程，经解调后映射得到星座的符号如下，图3能认证图的速度环境为250km/h：
x_user1＝[-1+1i 1+1i 1+1i -1+1i；
1-1i 1+1i 1-1i 1-1i；
-1+1i -1+1i -1+1i -1-1i；
-1+1i 1+1i -1-1i -1-1i；]
步骤八：确立最佳迭代次数后，按照每次迭代一个独立阻尼因子β作为输入参数，记作βi，取值范围为(0:1)，步长为0.01，从3dB到20dB选取不同信噪比下的最终误码率作为代价函数，初始种群设置为50，交叉比0.9，变异概率0.08，迭代200次，通过遗传算法训练出最佳阻尼因子：[0.23 0.1 0.48 0.62 0.65 0.1 0.41 0.36 0.85]，将其与固定收敛因子0.7进行性能比较，图2为遗传算法流程图，图5为固定迭代9次时二者的性能认证图，速度为250km/h。
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。

Claims (9)

1.一种基于NSGA2算法训练的AMP检测算法，包括以下步骤：
步骤一、随机生成多个用户比特流，并将每个用户比特流映射到相应星座点上；
步骤二、经步骤一处理过的信号作ISFFT变换，把时延多普勒信号映射到时频域中，再经IFFT变换，把时频域信号转换为时域信号流；
步骤三、将经步骤二处理得到的时域信号流经过Jakes信道模型；
步骤四、取出每个用户的频域信号作SFFT变换得到每个用户相应的时延多普勒信号；
步骤五、将经步骤四处理得到的信号进行AMP迭代检测，计算每次迭代的
Figure FDA0003451157790000011
中每个值与星座点xo的最小MSE，当MSE小于阈值时中止迭代；
步骤六、完成当前信号解调过程，依据迭代次数趋势图确立固定迭代次数，将每一次迭代的收敛因子看作独立参数，通过NSGA2多目标优化算法来得到最优参数；
步骤七、将最优参数放入AMP检测算法进行检测。
2.根据权利要求1所述的基于NSGA2算法训练的AMP检测算法，其特征在于：在步骤一中，根据帧个数和子载波个数大小及采用的调制方式随机生成N*M*M_bits个大小的比特流，每30bits插入一个信标，根据用户数量N_user将比特流等分后根据调制方式将其映射到每个用户的星座点上，其中N代表帧的个数，M代表子载波的个数，M_bits代表每个符号对应的比特大小，N_user代表用户数量。
3.根据权利要求2所述的基于NSGA2算法训练的AMP检测算法，其特征在于：每个用户的信号个数为N*M/N_user，假设每个用户信号维度为axb,时延多普勒网格大小为MxN,以行和列为方向分别重复M/a次和N/b次铺满整个时延多普勒网格，对时延多普勒网格每个用户信号重复的区域加上相位旋转以使信号经调制后映射到时频域的固定区域。
4.根据权利要求3所述的基于NSGA2算法训练的AMP检测算法，其特征在于：步骤二中的ISFFT变换公式如下：
Figure FDA0003451157790000021
5.根据权利要求4所述的基于NSGA2算法训练的AMP检测算法，其特征在于：步骤二中的IFFT变换公式如下：
Figure FDA0003451157790000022
6.根据权利要求5所述的基于NSGA2算法训练的AMP检测算法，其特征在于：步骤四中的SFFT变换公式如下：
Figure FDA0003451157790000023
7.根据权利要求6所述的基于NSGA2算法训练的AMP检测算法，其特征在于：在步骤五中，已知接收信号y，信道状态消息H，高斯白噪声的功率σ2，算法的迭代次数T,阻尼系数β，初始化
Figure FDA0003451157790000024
具体迭代算法如下：
For t←1,…T do
Figure FDA0003451157790000025
Figure FDA0003451157790000026
Figure FDA0003451157790000027
Figure FDA0003451157790000028
Figure FDA0003451157790000029
Figure FDA00034511577900000210
Figure FDA00034511577900000211
Figure FDA00034511577900000212
Figure FDA00034511577900000213
Figure FDA00034511577900000214
Figure FDA0003451157790000031
Figure FDA0003451157790000032
Figure FDA0003451157790000033
end for。
8.根据权利要求7所述的基于NSGA2算法训练的AMP检测算法，其特征在于：步骤七还包括确立最佳迭代次数后，按照每次迭代一个独立阻尼因子β作为输入参数，记作βi，取值范围为(0:1)，步长为0.01，从3dB到20dB选取不同信噪比下的最终误码率作为代价函数，初始种群设置为50，交叉比0.9，变异概率0.08，迭代200次，通过遗传算法训练出最佳阻尼因子：[0.23 0.1 0.48 0.62 0.65 0.1 0.41 0.36 0.85]，将其与固定收敛因子0.7进行性能比较。
9.一种实施如权利要求1-8任一项所述的基于NSGA2算法训练的AMP检测算法的系统。
CN202111664065.2A 2021-12-31 2021-12-31 一种基于nsga2算法训练的amp检测方法和实施该方法的系统 Active CN114337876B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111664065.2A CN114337876B (zh) 2021-12-31 2021-12-31 一种基于nsga2算法训练的amp检测方法和实施该方法的系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111664065.2A CN114337876B (zh) 2021-12-31 2021-12-31 一种基于nsga2算法训练的amp检测方法和实施该方法的系统

Publications (2)

Publication Number Publication Date
CN114337876A true CN114337876A (zh) 2022-04-12
CN114337876B CN114337876B (zh) 2024-01-23

Family

ID=81021929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111664065.2A Active CN114337876B (zh) 2021-12-31 2021-12-31 一种基于nsga2算法训练的amp检测方法和实施该方法的系统

Country Status (1)

Country Link
CN (1) CN114337876B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115695132A (zh) * 2022-12-13 2023-02-03 广东工业大学 一种基于近似消息传递的面向低精度量化的otfs解调方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040021516A1 (en) * 2001-01-31 2004-02-05 Yasuyuki Oishi Distortion compensation apparatus
CN104737480A (zh) * 2013-05-03 2015-06-24 华为技术有限公司 多载波分复用系统的方法和装置
US20190043388A1 (en) * 2017-08-15 2019-02-07 Qinghua Li Methods and apparatus for securing sounding symbols
US20200329233A1 (en) * 2019-04-12 2020-10-15 Frank Nemirofsky Hyperdata Compression: Accelerating Encoding for Improved Communication, Distribution & Delivery of Personalized Content
CN112929316A (zh) * 2021-01-25 2021-06-08 南京邮电大学 基于otfs调制的交错式时频多址方式调制解调方法及装置
CN113395221A (zh) * 2021-04-25 2021-09-14 北京邮电大学 一种基于正交时频空联合信道估计与符号检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040021516A1 (en) * 2001-01-31 2004-02-05 Yasuyuki Oishi Distortion compensation apparatus
CN104737480A (zh) * 2013-05-03 2015-06-24 华为技术有限公司 多载波分复用系统的方法和装置
US20190043388A1 (en) * 2017-08-15 2019-02-07 Qinghua Li Methods and apparatus for securing sounding symbols
US20200329233A1 (en) * 2019-04-12 2020-10-15 Frank Nemirofsky Hyperdata Compression: Accelerating Encoding for Improved Communication, Distribution & Delivery of Personalized Content
CN112929316A (zh) * 2021-01-25 2021-06-08 南京邮电大学 基于otfs调制的交错式时频多址方式调制解调方法及装置
CN113395221A (zh) * 2021-04-25 2021-09-14 北京邮电大学 一种基于正交时频空联合信道估计与符号检测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115695132A (zh) * 2022-12-13 2023-02-03 广东工业大学 一种基于近似消息传递的面向低精度量化的otfs解调方法

Also Published As

Publication number Publication date
CN114337876B (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
US7688907B2 (en) Method for channel estimation in orthogonal frequency division multiplexing system and device thereof
KR100918717B1 (ko) 다입다출력 직교주파수분할다중화 이동통신 시스템에서의신호 시퀀스 추정 방법 및 장치
CN106453190A (zh) 一种多用户子载波索引调制正交频分复用传输方法
KR20150090421A (ko) 이동통신 시스템에서 통신 채널 추정 방법 및 장치
Zhao et al. Block sparse Bayesian learning-based channel estimation for MIMO-OTFS systems
CN112215335B (zh) 一种基于深度学习的系统检测方法
Jamali et al. A low-complexity recursive approach toward code-domain NOMA for massive communications
CN106533590A (zh) 基于接收端evm的上行链路信道质量测量方法
CN114745230A (zh) 基于深度神经网络结构的otfs信号接收恢复方法
CN114268352B (zh) 一种nr上行控制信道格式1的检测方法
CN114337876B (zh) 一种基于nsga2算法训练的amp检测方法和实施该方法的系统
CN113726697A (zh) 一种基于置信空间动态判决的otfs符号检测方法
Telagam et al. Ber analysis of concatenated levels of encoding in GFDM system using labview
Reddy et al. Performance analysis of NR based vehicular IoT system with OTFS modulation
Soundari et al. Improved Energy Efficiency of Massive MIMO-OFDM
Pokamestov et al. Analysis of the downlink channel estimation methods in communication systems with SCMA
Chen et al. OTFS Waveform Based on 3-D Signal Constellation for Time-Variant Channels
RU2405254C2 (ru) Способ оценки канала передачи данных в системе беспроводной связи (варианты)
Bhagwatkar et al. Performance of MMSE channel equalization for MIMO OFDM system
Joshi et al. Analysing various fading channels using different modulation techniques under IEEE 802.16 Standard
CN104734756A (zh) 一种mimo系统检测方法和装置
Kasiselvanathan et al. Performance analysis of alternating minimization based low complexity detection for MIMO communication system
Monga et al. Learning Aided Intelligent Mechanism for Channel Estimation in 5G Wireless Networks
US20220278801A1 (en) Device and method for detecting interference between base stations in wireless communication system
WO2022213326A1 (zh) 一种数据接收方法及装置

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