在长期演进(Long Term Evolution,LTE)系统无线网络规划中,需要对无线信道中的传播模型进行预测。提出基于中值线的分段标准传播模型(Standard Propagation Model,SPM),并提出了基于奇异值(Singular Value Decomposition,SVD)分解的SPM...
详细信息
在长期演进(Long Term Evolution,LTE)系统无线网络规划中,需要对无线信道中的传播模型进行预测。提出基于中值线的分段标准传播模型(Standard Propagation Model,SPM),并提出了基于奇异值(Singular Value Decomposition,SVD)分解的SPM校准算法,同时给出了基于遗传算法(Genetic Algorithm,GA)的校准方法。仿真结果与分析表明,该分段SPM模型与传统SPM模型相比,更适合无线信道的预测,采用奇异值分解的校准算法,校准误差小。
信道状态信息(channel state information,CSI)的精确获取是大规模天线发挥效能的关键。在现有的通信系统中,上下行链路互易性不理想时,基于码本进行下行链路的CSI反馈。随着天线规模的增大,码本CSI反馈所需要的开销也越来越大。给出了...
详细信息
信道状态信息(channel state information,CSI)的精确获取是大规模天线发挥效能的关键。在现有的通信系统中,上下行链路互易性不理想时,基于码本进行下行链路的CSI反馈。随着天线规模的增大,码本CSI反馈所需要的开销也越来越大。给出了基于人工智能(artificial intelligence,AI)的CSI反馈压缩方法,分析了基于AI的CSI反馈的标准化影响、通信流程与面临的挑战,提供了评估结果。评估结果表明,相对于基于频域基向量压缩的码本CSI反馈,基于AI的CSI反馈在相同的反馈精度下可以显著地降低反馈开销。
暂无评论