检索结果-维普期刊中文期刊服务平台

注意力去噪与复数LSTM的时变信道预测算法: 1; 作者陈永蒋丰源《西安电子科技大学学报》 EI CAS CSCD 北大核心 2024年第1期29-40,共12页; 随着无线通信技术的发展,高速场景下通信技术的研究也越来越广泛,其中获取到准确的信道状态信息对提升无线通信系统的性能具有重要的意义。针对正交频分复用系统在高速场景下,现有信道预测算法未考虑噪声影响及预测精度低的问题,提出了... 展开更多; 关键词时变信道预测高速场景通道注意力去噪复数卷积长短期记忆网络正交频分复用; 在线阅读下载PDF 职称材料

基扩展模型下基于LSTM神经网络的时变信道预测方法被引量：6: 2; 作者聂倩杨丽花 +1 位作者呼博任露露《系统工程与电子技术》 EI CSCD 北大核心 2022年第9期2971-2977,共7页; 针对高速移动正交频分复用系统,提出了一种基扩展模型(basis expansion model,BEM)下基于长短期记忆(long short-term memory,LSTM)神经网络的时变信道预测方法。为了降低传统BEM的建模误差,根据高速移动环境中不同列车在相同位置处的... 展开更多; 关键词高速移动长短期记忆神经网络基扩展模型时变信道预测; 在线阅读下载PDF 职称材料

一种新型的基于深度学习的时变信道预测方法被引量：6: 3; 作者张捷杨丽花 +2 位作者王增浩呼博聂倩《电信科学》 2021年第1期39-47,共9页; 针对高速移动正交频分复用系统,提出了一种新型的基于深度学习的时变信道预测方法。为了避免网络参数随机初始化造成的影响,本文方法首先基于数据与导频信息获取较理想的信道估计,利用其对BP神经网络进行预训练处理,以获取理想的网络初... 展开更多; 关键词高速移动正交频分复用深度学习 BP神经网络时变信道预测预训练; 在线阅读下载PDF 职称材料

新型的基于堆栈式ELM的时变信道预测方法被引量：2: 4; 作者张捷杨丽花聂倩《系统工程与电子技术》 EI CSCD 北大核心 2022年第2期662-667,共6页; 针对高速移动场景正交频分复用(orthogonal frequency division multiplexing,OFDM)系统,提出了一种新的基于堆栈式极限学习机(extreme learning machine,ELM)的时变信道预测方法。为了捕获输入数据的深层信息,基于单隐藏层神经网络,首... 展开更多; 关键词高速移动正交频分复用时变信道预测堆栈式极限学习机输出权值更新; 在线阅读下载PDF 职称材料

题名注意力去噪与复数LSTM的时变信道预测算法: 1; 作者陈永蒋丰源; 机构兰州交通大学电子与信息工程学院; 出处《西安电子科技大学学报》 EI CAS CSCD 北大核心 2024年第1期29-40,共12页; 基金国家自然科学基金(61963023,61841303) 兰州交通大学基础拔尖人才项目(2022JC36)。; 文摘随着无线通信技术的发展,高速场景下通信技术的研究也越来越广泛,其中获取到准确的信道状态信息对提升无线通信系统的性能具有重要的意义。针对正交频分复用系统在高速场景下,现有信道预测算法未考虑噪声影响及预测精度低的问题,提出了一种注意力去噪与复数卷积LSTM的时变信道预测算法。首先,设计了一种通道注意力信道去噪网络对信道状态信息进行去噪处理,降低了噪声对信道状态信息的影响。然后,提出了基于复数卷积层和长短期记忆网络的信道预测模型,对去噪后历史时刻的信道状态信息进行特征提取,并且对未来时刻的信道状态信息进行预测;改进后的LSTM预测模型增强了对信道时序特征的提取能力,提高了信道预测的精度。最后,结合Adam优化器对未来时刻信道状态信息进行预测输出。仿真结果表明:与对比算法相比,所提基于注意力去噪与复数卷积LSTM的时变信道预测算法对信道状态信息的预测精度更高,能够适用于高速移动场景下的时变信道预测。; 关键词时变信道预测高速场景通道注意力去噪复数卷积长短期记忆网络正交频分复用; Keywords time-varying channel prediction high-speed scenario channel attention denoising complex convolution long short term memory network orthogonal frequency division multiplexing; 分类号 TN911.72 [电子电信—通信与信息系统] TP391.9 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基扩展模型下基于LSTM神经网络的时变信道预测方法被引量：6: 2; 作者聂倩杨丽花呼博任露露; 机构南京邮电大学江苏省无线通信重点实验室; 出处《系统工程与电子技术》 EI CSCD 北大核心 2022年第9期2971-2977,共7页; 基金江苏省科技厅自然科学基金(BK20191378) 江苏省高等学校自然科学研究面上项目(18KJB510034) +1 种基金国家重大研究计划重点项目(92067201)资助课题。; 文摘针对高速移动正交频分复用系统,提出了一种基扩展模型(basis expansion model,BEM)下基于长短期记忆(long short-term memory,LSTM)神经网络的时变信道预测方法。为了降低传统BEM的建模误差,根据高速移动环境中不同列车在相同位置处的无线信道具有强相关性的特点,首先基于历史时刻的信道状态信息获取最优的基函数,并利用该基函数对信道进行建模。然后,通过LSTM神经网络对信道基系数进行线下训练与线上预测来获取未来时刻信道信息,大大降低了计算复杂度。在线下训练中,将网络的逼近目标设置为信道估计值,而不是理想的信道信息,以增强预测模型的实用性。仿真结果表明,相比现有方法,新方法的计算复杂度较低,且预测精度较高。; 关键词高速移动长短期记忆神经网络基扩展模型时变信道预测; Keywords high-speed mobile long short-term memory(LSTM)neural network basis expansion model(BEM) time-varying channel prediction; 分类号 TN929.5 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名一种新型的基于深度学习的时变信道预测方法被引量：6: 3; 作者张捷杨丽花王增浩呼博聂倩; 机构南京邮电大学江苏省无线通信重点实验室; 出处《电信科学》 2021年第1期39-47,共9页; 基金江苏省科技厅自然科学基金资助项目(No.BK20191378) 江苏省高等学校自然科学研究面上项目(No.18KJB510034) +1 种基金国家自然科学基金资助项目(No.61771255)。; 文摘针对高速移动正交频分复用系统,提出了一种新型的基于深度学习的时变信道预测方法。为了避免网络参数随机初始化造成的影响,本文方法首先基于数据与导频信息获取较理想的信道估计,利用其对BP神经网络进行预训练处理,以获取理想的网络初始参数;然后,基于预训练获取网络初始值,利用基于导频获取的信道估计对BP神经网络进行再次训练,以获取最终的信道预测网络模型;最后,本文方法基于该预测网络模型通过线上预测实现了时变信道的单时刻与多时刻预测。仿真结果表明,本文方法可以显著地提高时变信道预测精度,且具有较低的计算复杂度。; 关键词高速移动正交频分复用深度学习 BP神经网络时变信道预测预训练; Keywords high-speed mobility OFDM deep learning BP neural network time-varying channel prediction pre-training; 分类号 TN911 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名新型的基于堆栈式ELM的时变信道预测方法被引量：2: 4; 作者张捷杨丽花聂倩; 机构南京邮电大学通信与信息工程学院江苏省无线通信重点实验室; 出处《系统工程与电子技术》 EI CSCD 北大核心 2022年第2期662-667,共6页; 基金江苏省科技厅自然科学基金(BK20191378) 江苏省高等学校自然科学研究面上项目(18KJB510034) +1 种基金国家自然科学基金(61771255)资助课题。; 文摘针对高速移动场景正交频分复用(orthogonal frequency division multiplexing,OFDM)系统,提出了一种新的基于堆栈式极限学习机(extreme learning machine,ELM)的时变信道预测方法。为了捕获输入数据的深层信息,基于单隐藏层神经网络,首先利用堆栈式ELM方法从历史信道中提取信道的深层特征,并获得网络的初始输出权值。然后,为了适应信道的变化,新方法基于新构造的历史信道样本与初始的输出权值来实时更新网络的输出权值,并基于更新后的输出权值预测得到未来时刻的信道。最后,仿真结果表明,新方法较现有方法具有更高预测精度,适用于高速移动场景。; 关键词高速移动正交频分复用时变信道预测堆栈式极限学习机输出权值更新; Keywords high-speed mobility orthogonal frequency division multiplexing(OFDM) time-varying channel prediction stacked extreme learning machine(ELM) output weight update; 分类号 TN929.5 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	注意力去噪与复数LSTM的时变信道预测算法	陈永蒋丰源	《西安电子科技大学学报》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基扩展模型下基于LSTM神经网络的时变信道预测方法	聂倩杨丽花呼博任露露	《系统工程与电子技术》 EI CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料
3	一种新型的基于深度学习的时变信道预测方法	张捷杨丽花王增浩呼博聂倩	《电信科学》	2021	6	在线阅读下载PDF 职称材料
4	新型的基于堆栈式ELM的时变信道预测方法	张捷杨丽花聂倩	《系统工程与电子技术》 EI CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料