一种基于部分MAP的低复杂度深度学习MIMO检测方法

被引：0

专利类型：

发明

申请号：

CN202411880706.1

申请日：

2024-12-19

公开(公告)号：

CN119807878A

公开(公告)日：

2025-04-11

发明(设计)人：

白琳韩瑞曾庆喆王佳星

申请人：

北京航空航天大学

申请人地址：

100083 北京市海淀区学院路37号

IPC主分类号：

G06F18/2411

IPC分类号：

G06F18/27 G06F18/214

代理机构：

重庆拓寻知识产权代理事务所(普通合伙) 50313

代理人：

周茂

法律状态：

授权

国省代码：

北京市市辖区

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2025-10-24	授权	授权
2025-04-11	公开	公开
2025-04-29	实质审查的生效	实质审查的生效IPC(主分类):G06F 18/2411申请日:20241219

共 50 条

[1]

一种基于部分MAP的低复杂度深度学习MIMO检测方法 [P].

白琳 ;

韩瑞 ;

曾庆喆 ;

王佳星 .

中国专利 :CN119807878B ,2025-10-24

[2]

一种基于移位的低复杂度MIMO检测方法 [P].

张华 .

中国专利 :CN103647624A ,2014-03-19

[3]

一种基于深度学习的低复杂度干扰识别方法 [P].

马松 ;

程郁凡 ;

王鹏宇 ;

王军 ;

胡若凡 ;

尚高阳 .

中国专利 :CN115563485A ,2023-01-03

[4]

一种基于深度学习的低复杂度实时火灾与烟雾检测方法 [P].

刘庆 ;

吴瑀 ;

刘康 ;

李义 ;

聂晶 ;

郑晓虎 ;

石昌权 ;

李璘 ;

李康 ;

王友军 ;

姜继彬 ;

李鸿杰 ;

王昌龙 ;

饶雪梅 .

中国专利 :CN117496423A ,2024-02-02

[5]

用于MIMO检测复杂度降低的基于机器学习的方法 [P].

P·诺扎德 ;

S·马利克 ;

T·刘 .

美国专利 :CN114128160B ,2024-04-26

[6]

用于MIMO检测复杂度降低的基于机器学习的方法 [P].

P·诺扎德 ;

S·马利克 ;

T·刘 .

美国专利 :CN118118065A ,2024-05-31

[7]

用于MIMO检测复杂度降低的基于机器学习的方法 [P].

P·诺扎德 ;

S·马利克 ;

T·刘 .

中国专利 :CN114128160A ,2022-03-01

[8]

一种基于深度学习的低复杂度的密集人群分析方法 [P].

刘昱 ;

马翔宇 .

中国专利 :CN110852189A ,2020-02-28

[9]

一种基于深度学习的低复杂度置信度传播译码方法 [P].

梁元辉 ;

林灿堂 ;

吴清乐 ;

吴冠祺 ;

严肇基 .

中国专利 :CN117220690B ,2024-10-08

[10]

基于深度贝叶斯推断的无蜂窝MIMO低复杂度信号检测方法 [P].

余杰 ;

张杰 ;

蔡纪龙 ;

李飞 ;

宋晶科 ;

林峰 ;

夏文奇 .

中国专利 :CN119561627A ,2025-03-04

← 1 2 3 4 5 →