端到端收发机设计　

　　 在未来通信系统中，基于神经网络的端到端收发机的设计是一项重要的技术。它可以实现全局优化，降低端到端通信时延，并提高信道容量。 然而，该方法还存在建模复杂和实际部署困难等问题，这些问题与多模块融合、跨联合优化等技术相关。 其中，我们对一些关键模块的神经网络结构进行了探索，也对跨模块联合优化问题进行了深入的研究。

　　 混合波束赋形技术: 为了解决传统波束赋形技术硬件复杂度和成本过高的问题，我们研究了混合波束赋形技术，需要联合设计数字预编码器/合并器和模拟预编码器/合并器。 我们分别考虑了低分辨率射频移相器导致的恒模约束和整数约束，以及部分连接结构导致的分块对角约束，并给出了基于机器学习的分支定界、 基于机器学习的矩阵分解等方法，实现了接近全数字波束赋形的性能，并且降低了时间复杂度。

　　 联合优化：联合优化问题受到模块耦合、数据缺失、噪声影响等多种不利因素影响。因此，可以考虑基于数据的机器学习方法， 利用深度神经网络从原始观测量中直接提取有效特征，并通过定义损失函数灵活地满足不同的性能要求。为此，我们探索了深度学习方法在多模块联合优化问题中的性能， 提出了基于多任务学习的多种硬件损伤联合估计方法。该方法利用硬件损伤的耦合效应，提取了子问题的共同特征，弱化了噪声影响，提升了综合估计精度。


Research


　 公开发表论文


  • [1] Toward Intelligent Wireless Communications: Deep Learning Based Physical Layer Technologies.
    Siqi Liu, Tianyu Wang, and Shaowei Wang.
    Digital Communications and Networks, in press, 2021.
  • [2] IQ imbalance compensation based on deep neural network in OFDM systems. (In Chinese)
    Siqi Liu, Tianyu Wang, and Shaowei Wang.
    Journal of National University of Defense Technology, vol. 42, no. 4, pp. 7-11, Aug. 2020.
  • [3] Joint Compensation of CFO and IQ Imbalance in OFDM Receiver: A Deep Learning Based Approach.
    Siqi Liu, Tianyu Wang, and Shaowei Wang.
    In Proceedings of the IEEE International Conference on Communications in China 2021 (ICCC'21), Xiamen, China, Aug. 2021.
  • [4] Multi-Label Learning Based Antenna Selection in Massive MIMO Systems.
    Wentao Yu, Tianyu Wang, and Shaowei Wang.
     IEEE Transactions on Vehicular Technology, vol. 70, no. 7, pp. 7255-7260, Jul. 2021.
    •                  
  • 联系我们
  •  
  • Email: mint@nju.edu.cn;
  •  
  • 地址：南京大学仙林校区电子科学与工程学院（潘忠来楼）332A, 321A/B
  •  
  • ©MINT，2021
  •  
  •