基于深度学习的1-比特超大规模MIMO信道估计AET-电子技术应用-最丰富的电子设计资源平台

基于深度学习的1-比特超大规模MIMO信道估计
所属分类：技术论文
上传者：aetmagazine
文档大小：617 K
标签：信道估计深度学习空间非平稳性
所需积分：0分积分不够怎么办？
文档介绍：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。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动