.png){kind=icon}
返回
CNN-Based Local Quantized Hybrid Precoding for Low Complexity and Overhead
.png){kind=icon}
PRE
AI
DOI：10.1002/ett.70093.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
混合预编码是毫米波（mmWave）大规模多输入多输出（MIMO）系统的一项有前景的技术。传统的混合预编码算法通常因大规模MIMO系统具有大量天线而面临高计算成本问题。为此，本文提出了一种基于卷积神经网络（CNN）的局部量化混合预编码方法，以实现低复杂度和低开销。首先，提出了一种局部量化混合预编码方法，在较低复杂度和反馈开销下构建CNN框架的标签。所提出的局部量化方法根据毫米波信道在角度域中的稀疏性，对模拟预编码器的可行集进行局部量化，以减少反馈开销。其次，定义了一种新的频谱效率-反馈开销指标，以确定局部量化比特数b的范围，从而在保证标签频谱效率（SE）的同时有效避免不必要的反馈开销。最后，为了进一步降低复杂度和反馈开销，并充分利用信道稀疏性，构建了一种新的CNN框架以提高系统频谱效率。具体而言，将毫米波信道和标签作为CNN框架的输入-输出对，利用卷积层捕获信道角度域中的某些稀疏特征。由于建立了CNN框架的输入-输出对，有效降低了CNN的复杂度。与现有工作相比，所提出的方法具有更短的训练时间、更低的反馈开销和更高的精度。仿真结果表明了所提出方法的有效性。
Keyword:
convolutional neural network
hybrid precoding
millimeter wave
spatial lobes channel
spectral efficiency
期刊
IF:
2.5
论文数:
483
被引数:
3.9K
机构
引用论文
.png){kind=icon}
Hybrid Precoding for an Adaptive Interference Decoding SWIPT System With Full-Duplex IoT Devices
PREAI
分享收藏Adaptive Hybrid Precoding With High Energy Efficiency for Millimeter Wave Communication Systems
PREAI
分享收藏A kind of effective data aggregating method based on compressive sensing for wireless sensor network
OAAI
OAAI分享收藏
Deep Learning Based Joint Hybrid Precoding and Combining Design for mmWave MIMO Systems基于深度学习的毫米波MIMO系统联合混合预编码及组合设计
PREAI
分享收藏
查看更多内容