本文提出了一种基于生成神经网络训练的方法来构建并评估毫米波波段的 28GHz 空地信道通信系统的统计信道模型,该方法考虑了每个链路的延迟、方向和路径增益,并在最小化先验假设的情况下通过训练数据自动生成通道损耗、延迟和角度信息。
Aug, 2020
该研究提出了一种基于数据驱动的、利用联邦学习(FL)和生成对抗网络(GAN)的方法,用于在无人机上的毫米波无线网络中进行空地信道估计。通过将 FL-GAN 与其他生成模型进行比较,结果表明,FL-GAN 所生成的合成数据分布与真实数据的相似度最高,有效地展示了该方法在生成数据驱动的信道模型方面的实用性。
May, 2023
讲述了 5G 通信系统需要在高达 100 GHz 的频段中进行先进设备和广泛频带通道的精确无线电传播模型的开发以应对未来通信需求。
Mar, 2016
本文通过实测数据得到具有代表性的 28GHz 和 73GHz 频段的信道空间统计模型,从而对微小和蜂窝无线网络的毫米波部署进行现实评估,并预测系统模拟可以提供比当前城市部署下的 4G 蜂窝网络容量提高十倍的性能,而不需要增加基站密度。
Dec, 2013
本文介绍了一个基于广泛的 28 GHz 和 140 GHz 的信道测量开发的室内三维统计信道模型,用于未来的第六代无线系统,特别是为室内场景设计。
Sep, 2020
该研究提出了使用生成式渠道建模从信道输入输出测量中学习统计信道模型来代表现场数据,使用 MIMO - GAN 模型将无线信道隐式建模成时域带限脉冲响应分布,评估结果表明在捕获電力、时差和空间相关性统计方面具有高一致性,尤其是平均时延误差小于 3.57ns,功率损失在 - 18.7db 以内。
Mar, 2022
本文提出了一种基于扩散模型的信道采样方法,用于快速合成有限数据中的信道实现。实验证明,相比于基于 GAN 的方法,该基于扩散模型的方法在训练稳定性和生成多样性方面表现更好,并且可以使用有限数据对真实世界信道进行建模。
Aug, 2023
本文提出了一种基于采样点和未卷积生成器设计的无线电 GAN 框架,并结合估计的纯信号分布作为先验分布,通过能量约束优化算法实现更好的训练稳定性和收敛性,在广泛的仿真实验中展示了该框架可以有效地学习发射机特性和各种通道效应,从而准确地建模基础采样分布以合成高质量的无线电信号。
Jun, 2023
本研究提出使用变分生成对抗网络来解决无线信道建模中的问题,可以精确地捕捉随机的信道响应,并且可以在一系列真实信道分布上优化性能。
May, 2018
本论文提出了一种基于广泛的 28GHz 和 140GHz 室内无线电传播测量的 3D 空间统计信道模型,该模型对于毫米波和亚太赫兹频率的信道特性有较好的描述,为 6G 及以后的空中接口、波束成形和收发机设计提供了指导。
Mar, 2021