-
题名基于神经网络的3维无线信道特征预测及评估
被引量：5
- 1
-
-
作者
朱军
蒋一鸣
李凯
王写
成博
-
机构
安徽大学电子信息工程学院
上海科技大学创意与艺术学院
华为技术服务有限公司
-
出处
《安徽大学学报（自然科学版）》
CAS
北大核心
2020年第6期36-42,共7页
-
基金
安徽省科技重大专项(18030901010)。
-
文摘
传统的5G Massive MIMO(multiple input multiple output)3维信道模型复杂度高、计算量大,无法满足网络需求.针对此问题,提出一种基于神经网络的3维无线信道特征预测及评估模型.该模型只依赖于高精地图产生的射线追踪数据,无须搭建测试网络.仿真结果表明:该模型能降低网络优化成本及时间开销、快速预测信道特征和评估网络性能.
-
关键词
5G
大规模多输入多输出
3维信道模型
信道特征
神经网络
-
Keywords
5G
Massive multiple input multiple output
three-dimensional channel model
channel feature
neural network
-
分类号
TN911
[电子电信—通信与信息系统]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名大规模MIMO组网场景中的网络时延预测
被引量：1
- 2
-
-
作者
朱军
臧守涛
李剑
李汐
叶国骏
-
机构
安徽大学电子信息工程学院
中国科学院上海微系统与信息技术研究所
华为技术服务有限公司
-
出处
《安徽大学学报（自然科学版）》
CAS
北大核心
2020年第2期35-42,共8页
-
基金
安徽省科技重大专项(18030901010)
教育部产学合作协同育人项目(201801129061)。
-
文摘
针对5G网络规划与优化存在的问题,提出一种融合系统仿真和深度神经网络模型的网络时延预测方法.基于射线追踪模型、高清地图、工程参数等构建时延仿真模型,利用时延仿真模型获取大量时延数据.基于无线通信理论提出三视图特征模型,此模型用于输入特征提取.通过深度神经网络学习时延数据特征,训练神经网络模型,利用神经网络模型预测网络时延.实验结果表明该方法具有可行性和有效性.
-
关键词
5G
网络规划与优化
射线追踪模型
深度学习
时延预测
-
Keywords
5G
network planning and optimization
ray tracing model
deep learning
delay prediction
-
分类号
TN92
[电子电信—通信与信息系统]
-
