典型文献
基于条件变分自编码器的射线样本生成算法
文献摘要：
射线追踪数据样本的缺失是造成大规模多输入多输出(Massive Multiple-Input Multiple-Output,Massive MIMO)信道特征预测出现较多预测误差较高的用户的主要原因.为了降低高误差用户数及预测误差,提出了一种基于条件变分自编码器(Conditional Variational Auto-Encoder,CVAE)的射线样本生成算法来增添缺失区间的射线样本.仿真结果表明,基于所提出的算法在原有射线样本集中扩充新样本后,可将高预测误差用户数降低到原来的46.4％;完善训练集后的神经网络在降低得到信道幅值的时间开销的同时,将信道幅值预测精度提升了6.2％.
文献关键词：
大规模多输入多输出;三维信道模型;条件变分自编码器;射线追踪
中图分类号：
作者姓名：
朱军;杨军;李凯;于文欣
作者机构：
安徽大学 电子信息工程学院,安徽 合肥 230601;上海科技大学,上海 201210;华为上海研究所,上海 201206
文献出处：
引用格式：
[1]朱军;杨军;李凯;于文欣-.基于条件变分自编码器的射线样本生成算法)[J].通信技术,2022(04):409-414
A类：
三维信道模型
B类：
条件变分自编码器,样本生成,生成算法,射线追踪,追踪数据,大规模多输入多输出,Massive,Multiple,Input,Output,MIMO,信道特征,特征预测,预测出,预测误差,用户数,Conditional,Variational,Auto,Encoder,CVAE,样本集,训练集,开销,精度提升
AB值：
0.285394
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。
