面向三维信道幅值预测的自适应神经网络

YU Wenxin,Li Kai,Zhou Mingtuo,Li Jian,Yang Yang

Journal of University of Chinese Academy of Sciences（2021）

引用 0|浏览2

暂无评分

摘要

针对在采用massive MIMO(multiple-input multiple-output)系统的5G网络规划中,使用传统的系统级仿真方法获得信道幅值的计算量和时间开销非常大的问题,提出一种基于BP(back propagation)神经网络的自适应神经网络来预测massive MIMO系统的信道幅值.自适应神经网络由基本BP子神经网络和特征降维BP子神经网络组成,可实现对给定训练集和预测集的自适应,基于用户射线追踪数据快速准确地预测用户的信道幅值.仿真结果表明,所提出的自适应神经网络在得到与系统级仿真方法精度接近的信道幅值的同时,可大幅降低获得信道幅值的时间开销;并且与采用传统BP神经网络相比,可以明显降低训练时间、预测误差大的用户数和平均预测误差.

关键词

adaptive neural network,channel,neural network,prediction,3d

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要