基于深度学习的多用户Massive MIMO预编码方法

在下行链路传输场景中，发射机处的功率分配和波束赋形设计至关重要。考虑一个多用户Massive MIMO系统中总功率约束下最大化加权和速率问题，经典的WMMSE算法可以获取次优解，但计算复杂度过高。为了降低计算复杂度，提出了一种基于深度学习的快速波束赋形设计方法，该方法可以离线训练深度神经网络，利用训练后的神经网络求解最优波束赋形解，只需要简单的线性和非线性操作即可完成。实验结果显示，该方法可以逼近WMMSE算法精度的90%以上，同时计算复杂度和时延也大大降低。

 2021-12-13
收藏0
阅读202
下载0
10页
docx

266.35M

分享至:

声明：该方案内容由用户上传，其观点仅代表作者本人；中服云系信息发布平台，仅提供方案内容存储空间服务。如因作品内容、版权和其它问题需要同本站联系的，请联系029-88386725。

评价

相关方案

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。

阅读232
下载2

中服设备健康管理系统产品介绍

中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。有效降低设备故障率、减少停机损失，简化线下运维管理流程。助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。