面向三维信道幅值预测的自适应神经网络*
2021-09-26于文欣李凯周明拓李剑杨旸
中国科学院大学学报 2021年5期
于文欣,李凯,周明拓,李剑,杨旸
(1 中国科学院上海微系统与信息技术研究所, 上海 200050;2 上海科技大学, 上海 201210;3 中国科学院大学, 北京 100049) (2019年12月30日收稿; 2020年4月8日收修改稿)
近年来,5G作为新一代移动通信系统得到了广泛的关注与研究[1]。5G标志性的关键技术主要体现在超高效能的无线传输技术和高密度无线网络技术[1]。其中massive MIMO(multiple-input multiple-output)技术通过在基站端部署大量天线,使系统的能量和频谱效率以及系统容量等方面都得到了很大的提升[2]。为了达到理想的网络性能,在5G网络规划阶段,需要对将要部署在真实网络中的massive MIMO系统的性能进行评估,并在评估的基础上实现合理的基站部署。
在massive MIMO系统的性能评估中关键的一环是信道特征的获取,系统的覆盖情况、信干噪比和系统容量等性能指标都需要基于信道特征进行评估。由于5G网络规划阶段基站尚未建立,无法发送或者接收信号,因而无法通过基于导频的信道估计方法获得信道信息[3],并且通过路测的方法获得基站所有可能覆盖用户栅格点的信道信息实施成本太高,实际也无法使用。传统的无线通信系统的性能评估方法通常是通过建立软件仿真平台来实现的[4-8]。通过系统级仿真的方法对多用户和多小区的通信系统以及系统内部的工作机制进行模拟,可实现对系统的关键性能指标的评估[5]。文献[7]实现了一种5G系统仿真工具,基于射线追踪数据计算得到信道衰落特征,并基于信道衰落特征计算出信干噪比和吞吐量。……
登录APP查看全文
