Enhancing 6G Wireless Performance through Advanced MIMO Techniques

Arun Ananthanarayanan

doi:10.1016/j.simpat.2025.103222

Enhancing 6G Wireless Performance through Advanced MIMO Techniques

2025-11-02

0

PRE

AI

A

Arun Ananthanarayanan *

DOI：10.1016/j.simpat.2025.103222

原文链接

原文求助

摘要

En 中文

要应用高效波束赋形，我们需要能够准确估计信道状态信息（CSI）。这是决定现代无线网络中高速率、可靠通信成功的关键因素。然而，传统方法在复杂且快速变化的环境中往往效率低下。本文提出了一种深度单载波正交频分复用（DS-OFDM）框架，以解决这些困难。该框架整合了卷积神经网络端到端长短期记忆（LSTM）与CNN网络，用于自适应网络信号处理，面向6G系统。所提出的模型同时执行调制与均衡，通过利用CNN的空间特征提取和LSTM的时间特征提取，克服了标准OFDM系统的缺点——如高PAPR和较差的干扰容忍度。该识别器能够最小化信号衰减并提高符号检测精度，如仿真结果所示。此外，它表明Deep SC-OFDM框架具有更低的PAPR和改进的BER性能。因此，我们提出的方法在性能、更快的收敛速度和更高的频谱效率方面优于其他基于深度学习的MIMO和波束赋形方法。这些发现表明，所提出的方法非常适合用于选择未来6G网络中智能且节能的收发器架构。

Enhancing 6G Wireless Performance through Advanced MIMO Techniques

摘要

期刊

机构

引用论文