.png){kind=icon}
返回
Deep-Learning-Based Millimeter-Wave Massive MIMO for Hybrid Precoding
.png){kind=icon}
OA
AI
DOI：10.1109/TVT.2019.2893928.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
毫米波 (mmWave) 大规模多输入多输出 (MIMO) 已经被认为是用于下一代通信的新兴解决方案，其中混合模拟和数字预编码是用于降低与混合信号分量相关联的硬件复杂度和能量消耗的重要方法。然而，现有混合预编码方案的基本限制是它们具有高计算复杂度并且不能充分利用空间信息。为了克服这些限制，本文提出了一种用于有效混合预编码的支持深度学习的毫米波大规模MIMO框架，其中用于获得优化解码器的预编码器的每次选择都被视为深度神经网络 (DNN) 中的映射关系。具体地，通过基于DNN的训练来选择混合预编码器，以用于优化毫米波大规模MIMO的预编码过程。此外，我们提供了广泛的仿真结果，以验证所提出方案的出色性能。结果表明，基于DNN的方法能够最小化误码率并提高毫米波大规模MIMO的频谱效率，与传统方案相比，在混合预编码中实现了更好的性能，同时大大降低了所需的计算复杂度。
Keyword:
Millimeter wave (mmWave)
massive multiple-input multiple-output (MIMO)
deep learning
hybrid precoding
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.1
论文数:
1.8W
被引数:
6.6W
机构
引用论文
MMWAVE MASSIVE-MIMO-BASED WIRELESS BACKHAUL FOR THE 5G ULTRA-DENSE NETWORK5g超密集网络中基于MMWAVE massive-mimo的无线回传OAAI
OAAI分享收藏Geometric Mean Decomposition Based Hybrid Precoding for Millimeter-Wave Massive MIMO基于几何均值分解的毫米波大规模MIMO混合预编码.png)
CHINA COMMUNICATIONS
CHINA COMMUNICATIONSIF3.1
PREAI
分享收藏Millimeter Wave Mobile Communications for 5G Cellular: It Will Work!5g蜂窝的毫米波移动通信: 它将起作用!IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容