科研之友
微信
新浪微博
Facebook
分享链接
摘要
研究基于深度学习的大型智能表面毫米波波束赋形问题，引入具有少量有源元件的大型智能表面后，通过一系列实验对比研究了卷积神经网络(ConvolutionalNeuralNetwork，CNN)算法下波束赋形的性能。通过使用DeepMIMO 数据集中具体场景下的射线追踪信道数据构造通信场景，并采用神经网络模型CNN、反向传播(BackPropagation，BP)和多层感知器(Multi-LayerPerceptron，MLP)算法学习毫米波通信环境。实验考虑了多个参数条件，包括路径数、有源单元数量、发射功率和数据集大小。结果表明，CNN算法在所有参数条件下均优于另外两种算法，并且在增加路径数和有源单元数量的情况下，CNN算法的性能优势更为显著。此外，增加数据集大小也可以提高CNN 算法的性能表现。本研究的实验结果为相关领域的研究和实际应用提供了有价值的参考，对于改进毫米波通信系统性能具有重要意义。
- 单位
