典型文献
基于增强CVAE的三维射线重构方法
文献摘要：
射线追踪数据的样本空间不完备性是造成大规模多输入多输出信道幅值预测出现高预测误差用户较多的主要原因.为了更全面地表征所有用户的信道传播特征,提出了一种基于扩展概率分布的条件变分自编码器(CVAE)的三维射线重构方法.该方法基于用户射线样本的稀疏度选择先验概率分布,通过增强CVAE为高误差用户生成新的射线样本训练集,使射线追踪数据的隐变量分布更符合高误差用户的特征.仿真结果表明,基于所提出的方法在原有射线样本训练集中扩充新样本后,可将高预测误差用户数降低到原来的53.59％;使用新训练集训练的神经网络在得到大幅降低预测信道幅值时间开销的同时,将信道幅值预测精度提升了7.8％.
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, 合肥230601;上海科技大学 信息科学与技术学院,上海201210;华为上海研究所 LTE 公共性能开发部, 上海201206
文献出处：
引用格式：
[1]朱军;杨军;李凯;于文欣-.基于增强CVAE的三维射线重构方法)[J].北京邮电大学学报,2022(05):36-41
A类：
三维信道模型
B类：
CVAE,重构方法,射线追踪,追踪数据,样本空间,完备性,大规模多输入多输出,预测出,预测误差,传播特征,概率分布,条件变分自编码器,稀疏度,先验概率,样本训练,训练集,隐变量,用户数,新训,集训,开销,精度提升
AB值：
0.262717
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。
