深度学习是解决5G无线信道建模中参数学习问题的有效手段,但学习网络的超参数选择对网络性能的影响较大,而常规的手动调参方法往往难以达到令人满意的学习效果,为此提出一种基于卷积神经网络(CNN)的5G无线信道参数学习方法,其中CNN网络超参数采用贝叶斯优化进行自动设置。利用仿真软件Wireless InSite建立了5G无线通信室外场景数据集,针对不同信道参数设计了相应的卷积神经网络,通过实验对比分析了贝叶斯自动寻优和手动调整超参数的学习效果,结果表明本文方法优势明显。
科研之友
微信
新浪微博
Facebook
分享链接
