典型文献
毫米波MIMO的DNN混合预编码梯度优化方法
文献摘要：
毫米波多输入多输出的混合预编码是降低硬件复杂度和能量消耗的重要方法.为降低优化处理的复杂性并提升频谱效率,提出了一种支持深度学习的混合预编码优化算法.为了消除子信道之间由信噪比差异导致部分子信道误码率较高进而对整体误码率产生的不良影响,通过基于块对角化的几何均值分解和深度神经网络的训练来选择混合预编码器,将预编码器的优化选择视为深度神经网络中的映射,以优化大规模多输入多输出的混合预编码过程.将频谱效率的优化问题近似归结为全数字预编码器和混合预编码器之间的欧氏距离的最小化问题,利用有限数量的射频链路实现吞吐量的改善.性能分析和仿真结果都表明,由于采用改进的梯度计算算法和单循环迭代结构,基于深度神经网络的方法能够最小化毫米波多输入多输出的误码率并提高频谱效率,同时显著地降低了所需的计算复杂度.当频谱效率为50 bit/(s·Hz)时,信噪比可节省3 dB.不同方案达到相同误码率时,信噪比可节省5 dB以上,并具有更好的稳健性.
文献关键词：
混合预编码;频谱效率;几何平均分解;深度神经网络;多输入多输出
中图分类号：
作者姓名：
王勇;王喜媛;任泽洋
作者机构：
西安电子科技大学网络与信息安全学院,陕西西安710071;西安电子科技大学信息科学研究中心,陕西西安710071;北京邮电大学国际学院,北京100876
文献出处：
引用格式：
[1]王勇;王喜媛;任泽洋-.毫米波MIMO的DNN混合预编码梯度优化方法)[J].西安电子科技大学学报（自然科学版）,2022(01):202-207
A类：
几何平均分解
B类：
毫米波,MIMO,DNN,混合预编码,梯度优化,波多,能量消耗,优化处理,频谱效率,信道,误码率,对角化,几何均值分解,深度神经网络,编码器,优化选择,大规模多输入多输出,优化问题,归结为,全数字,欧氏距离,射频链路,吞吐量,计算算法,单循环,计算复杂度,bit,dB
AB值：
0.193496
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
