| 基于深度学习的1-比特超大规模MIMO信道估计 | |
| 所屬分類：技术论文 | |
| 上傳者：aetmagazine | |
| 文檔大小：617 K | |
| 標(biāo)簽： 信道估计 深度学习 空间非平稳性 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：超大规模多输入多输出(Multiple Input Multiple Output，MIMO)技术在未来的移动通信中具有巨大的潜力。然而，采用超大型的天线阵列会出现空间非平稳性信道特征，如果为基站的每根天线都配备一个高精度量化器，系统功耗将大幅度增加，从而阻碍超大规模MIMO系统的广泛应用。因此，假设基站的每根天线都配备有一对1-比特模数转换器(Analog-to-Digital Converters，ADC)，利用子阵列与用户之间的映射关系来描述非平稳信道特征，借助深度神经网络(Deep Neural Network，DNN)强大的泛化能力，设计一种新的生成式监督DNN模型，该模型可以使用合理数量的导频进行训练。仿真结果表明，所提出的网络可以使用较少的导频得到较好的估计性能，在性能与计算复杂度之间取得良好的平衡。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2