10.3969/j.issn.1002-0802.2022.04.001
基于条件变分自编码器的射线样本生成算法
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%.
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
55
TN911
国家自然科学基金62071002
2022-05-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
409-414