發(fā)布時(shí)間：2024-03-23 10:40

　　毫米波技術(shù)在第五代(5th Generation,5G)通信系統(tǒng)中的作用不可估量,其最大的優(yōu)勢(shì)在于能夠結(jié)合大規(guī)模多輸入多輸出(Multiple-Input Multiple-Output,MIMO)以盡可能彌補(bǔ)毫米波本身存在的嚴(yán)重傳輸路徑損耗缺陷。本文將深度學(xué)習(xí)的思想引入到無(wú)線通信中,以毫米波大規(guī)模MIMO系統(tǒng)為立足點(diǎn),以混合預(yù)編碼和信道估計(jì)算法為切入點(diǎn)展開(kāi)研究討論,證明了深度學(xué)習(xí)能夠解決傳統(tǒng)通信系統(tǒng)存在的問(wèn)題。本文針對(duì)毫米波通信系統(tǒng)中傳統(tǒng)混合預(yù)編碼算法高能耗、空間信息利用不充分等問(wèn)題,提出一種基于深度學(xué)習(xí)的級(jí)聯(lián)混合預(yù)編碼器。級(jí)聯(lián)混合預(yù)編碼器通過(guò)學(xué)習(xí)如何優(yōu)化通道感測(cè)矢量以將感測(cè)功率集中在最希望發(fā)送的方向上,同時(shí)學(xué)習(xí)如何直接從接收到的感測(cè)矢量預(yù)測(cè)混合架構(gòu)的射頻波束成形和組合矢量。通過(guò)仿真證明了級(jí)聯(lián)混合預(yù)編碼器在信道狀態(tài)未知時(shí)能直接求解出混合預(yù)編碼矩陣中的模擬預(yù)編碼和組合矢量,使得大規(guī)模MIMO系統(tǒng)因選擇最佳波束產(chǎn)生的龐大開(kāi)銷(xiāo)大大降低,且系統(tǒng)可實(shí)現(xiàn)數(shù)據(jù)速率趨近于最佳的可實(shí)現(xiàn)數(shù)據(jù)速率。同時(shí),級(jí)聯(lián)混合預(yù)編碼器表現(xiàn)的性能更趨近于全數(shù)字預(yù)編碼,且可以通過(guò)盡可能少的信道測(cè)量矢量就能準(zhǔn)確預(yù)測(cè)模擬預(yù)編碼...

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3-1生物神經(jīng)元模型圖

間的映射關(guān)系。本章主要介紹了兩種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，為后面的研究工作作好理論鋪墊。3.1人工神經(jīng)網(wǎng)絡(luò)3.1.1神經(jīng)元模型生物學(xué)中神經(jīng)元的結(jié)構(gòu)如圖3-1所示。每個(gè)神經(jīng)元主要由樹(shù)突、軸突和突觸三個(gè)部分組成。一個(gè)神經(jīng)元擁有多個(gè)輸入和單個(gè)輸出，其輸入與輸出主要傳遞興奮特性和抑制特....

圖4-3信道估計(jì)損失函數(shù)變化曲線

電子科技大學(xué)碩士學(xué)位論文36其中Nsamples表示采樣數(shù)。4.3.3仿真結(jié)果與分析在訓(xùn)練階段，假設(shè)信道矩陣的路徑角度均位于量化格點(diǎn)上，這樣有助于神經(jīng)網(wǎng)絡(luò)進(jìn)行分類(lèi)學(xué)習(xí)，而在性能測(cè)試階段則隨機(jī)生成信道路徑角度。訓(xùn)練數(shù)據(jù)集參數(shù)設(shè)置如表格4-2所示，并按照4:1的比例進(jìn)行訓(xùn)練數(shù)據(jù)集和測(cè)....

圖4-4信道估計(jì)的NMSE隨SNR的變化曲線

第四章基于深度學(xué)習(xí)的毫米波信道估計(jì)算法37從圖4-3可以看出，訓(xùn)練集與測(cè)試集的損失函數(shù)變化曲線沒(méi)有出現(xiàn)過(guò)度的波動(dòng)或鋸齒狀，則說(shuō)明實(shí)驗(yàn)設(shè)置的網(wǎng)絡(luò)參數(shù)設(shè)置較合理，并在有限次數(shù)的迭代下趨近于常數(shù)。訓(xùn)練集損失函數(shù)與測(cè)試集損失函數(shù)也沒(méi)有出現(xiàn)明顯的差距，證明沒(méi)有出現(xiàn)欠擬合或過(guò)擬合的現(xiàn)象。在實(shí)....

圖5-2混合預(yù)編碼損失函數(shù)變化曲線

第五章基于深度學(xué)習(xí)的毫米波混合預(yù)編碼算法49從圖5-2可以看出，損失函數(shù)曲線在訓(xùn)練集和測(cè)試集上變化平緩，沒(méi)有出現(xiàn)過(guò)度的波動(dòng)或鋸齒狀，說(shuō)明實(shí)驗(yàn)設(shè)置的學(xué)習(xí)速率較合理，并且在有限次的迭代下趨近于常數(shù)值。訓(xùn)練集損失函數(shù)與測(cè)試集損失函數(shù)也沒(méi)有出現(xiàn)明顯的差距，證明實(shí)驗(yàn)也沒(méi)有出現(xiàn)欠擬合或過(guò)擬合....

本文編號(hào)：3935802