【摘 要】
:
大规模多输入多输出(Multiple Input Multiple Output,MIMO)作为移动通信系统关键技术之一,其系统增益的基础在于基站能够精确获取信道状态信息(Channel State Information,CSI)。在目前广泛使用的频分双工(Frequency Division Duplex,FDD)制式下,由于通信系统的上下行信道不具有互易性,因此基站只能通过CSI反馈来获取下
论文部分内容阅读
大规模多输入多输出(Multiple Input Multiple Output,MIMO)作为移动通信系统关键技术之一,其系统增益的基础在于基站能够精确获取信道状态信息(Channel State Information,CSI)。在目前广泛使用的频分双工(Frequency Division Duplex,FDD)制式下,由于通信系统的上下行信道不具有互易性,因此基站只能通过CSI反馈来获取下行链路的CSI。然而,CSI反馈开销随着大规模MIMO天线数量的增多而急剧增大。因此,研究适用于FDD制式下大规模MIMO系统的CSI反馈方法成为当下研究领域的亟待解决的难题。近年来,深度学习(Deep Learning,DL)技术的飞速发展为解决大规模MIMO系统中的CSI反馈提供新的思路。因此,本文围绕基于DL技术的FDD大规模MIMO系统信道反馈技术展开研究,具体研究内容如下:1.针对现有基于DL的CSI反馈方法不能很好提取CSI特征信息的问题,基于DL提出了一种非对称多分辨率卷积的CSI反馈网络。将不同环境下的CSI进行可视化,并以图像的角度来分析CSI相关特性,然后在此基础上提出一种多分辨率卷积网络来提取不同分辨率下CSI的特征信息。同时,将非对称卷积技术与提出的多分辨率卷积相结合来充分提取CSI相关特征。另外,使用密集连接网络来恢复CSI局部细节特征。仿真将所提方法与基于DL的Csi Net反馈网络在归一化均方误差、余弦相似度和参数量与计算量等方面进行对比与分析,结果表明,所提的反馈网络拥有更高的CSI重构精度,同时减小了网络的参数量与计算量。2.针对现有基于DL的CSI反馈方法在用户端实际部署时可行性较差的问题,基于卷积神经网络提出了一种的轻量级的CSI反馈网络,并利用深度可分离卷积技术来减小反馈网络的参数量与计算量。考虑用户端实际部署,设计了在不同压缩比条件下以及在不同环境条件下的多任务融合反馈网络。仿真将所提方法与基于DL的Conv Csi Net和Shuffle Net反馈网络在归一化均方误差和参数量与计算量等方面进行对比与分析,结果表明,所提的反馈网络在保持较高CSI重构精度的前提下,可以极大减少用户端在实际部署时所需的参数量和计算量。
其他文献
阴影检测是计算机视觉中的一项重要任务。基于深度学习的阴影检测具有较高的准确率和泛化性能,但该方法需要大量数据对模型进行训练,而构建阴影检测数据集需要对阴影图像进行像素级精度的人工标注,十分耗时费力。本文通过计算机渲染技术构建新的阴影检测数据集,并对阴影检测领域中现存的问题进行分析和研究,旨在减轻构建数据集的工作量与提高模型的准确率。论文的主要研究内容如下:1.针对计算机合成阴影图像与现实世界拍摄的
随着国家大力发展智能电网、物联网、可见光通信等新兴产业技术,电力线通信作为一种基础通信手段,与通电设备天然相容,必然会随着这些新兴产业的发展而兴盛。然而,电力线信道中存在大量噪声和干扰,特别是脉冲噪声极大降低了通信可靠性,成为电力线通信应用的障碍。因此,设计低时延、高性能的电力线脉冲噪声抑制算法具有重要意义。该文针对电力线宽带通信系统中的脉冲噪声,设计了两种基于压缩感知的脉冲噪声抑制改进算法。该文
随着大规模无线网络的快速发展,基于实时无线传感技术的智能工厂、自动驾驶等新应用将面临巨大的需求和挑战,人们对于基于位置的服务(Location Based Service,LBS)需求也越来越高,而且基于Wi Fi的定位系统因其覆盖范围广、稳定性好以及成本低等诸多优点成为研究热点。在大规模无线网络的基础上构建大范围的定位网络使得信道状态信息(Channel State Information,CS
微服务是云原生环境下典型的应用场景,但是应用程序接口(Application Program Interface,API)网关作为微服务体系架构中的关键组件,其安全防护能力尚不足以应对云原生环境下复杂的外部攻击,亦无法应对微服务集群内部的安全威胁。因此,本文基于零信任“持续验证、永不信任”的核心思想,提出零信任API网关系统框架,并针对零信任和API网关系统结合过程中所遇到的关键问题进行了研究。本
目的分析剖宫产手术中氯普鲁卡因和罗哌卡因在硬膜外麻醉中的临床效果。方法选取我院2020年1月~2022年2月的80例剖宫产手术产妇,随机将其分成为两组。对照组采用罗哌卡因进行硬膜外麻醉,观察组采用氯普鲁卡因进行硬膜外麻醉。结果两组的低血压、寒战、恶心、头晕、感觉异常和呕吐发生率无明显差异(P>0.05);术前,两组的收缩压、心率和舒张压无明显差异(P>0.05),术后,两组的收缩压、心率和舒张压均
为应对全球温室效应和环境污染问题,环境友好型的可再生能源逐步并入微电网。可再生能源并网会改变电网结构,使电网规划决策、稳定控制和调度运行等领域发生重大变化。在高比例可再生能源并网所面临的诸多新挑战中,可再生能源间歇性供电带来的不稳定性与并网带来的供需不匹配是微电网的核心问题。作为可再生能源高渗透阶段的关键技术,混合储能和用电需求响应能有效缓解上述问题。因此,本文以居民社区的区域微电网为调度对象,对
极化码作为5G控制信道的编码方案这些年被广大学者深入研究。极化码的置信传播(Belief Propagation,BP)译码算法的译码延迟低,适合于高吞吐量的系统。然而极化码在有限码长下,由于极化不充分导致其译码性能不佳,为了满足高可靠低时延系统的要求,一种将低密度奇偶校验(Low Density Parity Check,LDPC)码和极化码级联的级联系统得以提出。本文主要目的在于提升LDPC-
目标跟踪作为计算机视觉中的一项基础研究,主要任务是确定视频序列中目标的位置。相关滤波目标跟踪算法以其精度高、速度快的特点,成为跟踪领域的主流研究方向之一。但跟踪目标自身的变化以及跟踪场景的复杂多变,仍然给算法的跟踪性能带来巨大挑战。本文主要针对现有相关滤波跟踪算法存在的不足进行研究和改进,以提升算法的跟踪性能。主要工作内容如下:1.针对背景感知相关滤波(Background-Aware Corre
近年来,随着无线通信技术和车联网技术的快速发展,各类时延敏感、数据量大的应用纷纷涌现,使得车辆难以在有限资源、能源和低时延要求下处理这些应用任务。基于移动边缘计算(Mobile Edge Computing,MEC)的V2X(Vehicle-to-Everything)任务卸载是一种为车联网缓解计算压力和提供低时延通信的有效途径,但目前大部分研究主要关注任务全部卸载,忽略了本地计算资源的利用,会造
随着通信网络对速率、带宽的要求不断提升,第五代移动通信系统(the fifth Generation,5G)逐渐发展为多技术融合支撑的万物互联系统。虽然典型技术在5G中的应用在一定程度上提升了网络的性能,如软件定义小蜂窝网络(Software Defined Small Cell Network,SDCN)的部署缓解了数据流量增长所带来的网络压力,使得资源管理更加高效,同时网络编码技术通过压缩数据