.png){kind=icon}
返回
Deep Learning for Super-Resolution Channel Estimation and DOA Estimation Based Massive MIMO System
.png){kind=icon}
PRE
AI
DOI：10.1109/TVT.2018.2851783.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大规模多输入多输出 (MIMO) 的最新概念可以显着提高通信网络的容量，并且被认为是下一代无线通信的有前途的技术。然而，现有的大规模MIMO系统的基本挑战是高计算复杂度和复杂的空间结构给利用这些多天线系统的信道特性和稀疏性带来了很大的困难。为了解决这个问题，在本文中，我们专注于信道估计和到达方向 (DOA) 估计，并提出了一种将大规模MIMO集成到深度学习中的新框架。为了实现端到端性能，采用深度神经网络 (DNN) 进行离线学习和在线学习过程，有效地学习无线信道的统计信息和角度域的空间结构。具体地，在离线学习的辅助下，首先利用不同信道条件下的模拟数据对DNN进行训练，然后在在线学习过程中，基于当前的输入数据可以得到相应的输出数据。为了实现超分辨率信道估计和DOA估计，开发了两种基于深度学习的DOA估计算法，可以在角度域中直接估计DOA，而无需额外的复杂度。此外，仿真结果证实，与传统方法相比，所提出的基于深度学习的方案在DOA估计和信道估计方面可以实现更好的性能，并且通过在各种情况下的广泛仿真对所提出的方案进行了很好的研究，以测试其鲁棒性。
Keyword:
Massive MIMO
deep learning
channel estimation
DOA estimation
offline training
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
暂无机构信息
引用论文
.png){kind=icon}
Angle Domain Signal Processing-Aided Channel Estimation for Indoor 60-GHz TDD/FDD Massive MIMO Systems室内60 GHz TDD/FDD大规模MIMO系统角域信道处理辅助信道估计
PREAI
分享收藏Cross-linkable Polymer Matrix for Enhanced Thermal Stability of Succinonitrile-based Polymer Electrolyte in Lithium Rechargeable Batteries可交联聚合物基质，用于增强锂可充电电池中基于丁二腈的聚合物电解质的热稳定性
OAAI
OAAI分享收藏
查看更多内容