.png){kind=icon}
返回
MIMO Channel Information Feedback Using Deep Recurrent Network
.png){kind=icon}
OA
AI
DOI：10.1109/LCOMM.2018.2882829.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在多输入多输出 (MIMO) 系统中，发射机处的信道状态信息 (CSI) 的可用性对于性能提高至关重要。最近的基于卷积神经网络 (NN) 的技术在实现CSI压缩和反馈方面显示出竞争能力。通过引入新的NN架构，我们提高了MIMO通信中量化CSI反馈的准确性。所提出的NN体系结构调用名为长短期存储器的模块，该模块允许NN从利用无线信道的时间和频率相关性中受益。以复杂性折衷性能，我们进一步修改了NN架构，大大减少了要训练的参数数量。最后，实验表明，所提出的NN架构在CSI压缩和恢复精度方面均具有更好的性能。
Keyword:
Channel state information (CSI) feedback
recurrent neural network (RNN)
multiple-input multiple-output (MIMO)
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:
4.4
论文数:
1.3W
被引数:
2.2W
机构
查看更多机构
引用论文
Channel Feedback Based on AoD-Adaptive Subspace Codebook in FDD Massive MIMO SystemsFDD大规模MIMO系统中基于AoD自适应子空间码本的信道反馈OAAI
OAAI分享收藏Developing Wind and/or Solar Powered Crop Irrigation Systems for the Great Plains为大平原开发风能和/或太阳能作物灌溉系统
PREAI
分享收藏Phase Separation of Lipid Membranes Analyzed with High-Resolution Secondary Ion Mass Spectrometry.png)
Science
OAAI
ScienceIF0
OAAI分享收藏 没有更多内容