wireless communication systems | BriefGPT

关键词wireless communication systems

搜索结果 - 14

MoE-AMC: 使用专家混合提升自动调制分类性能
在时间序列分析中，自动调制识别（AMC）在信号分类和识别等无线通信领域起着重要的作用。本研究提出了 MoE-AMC，这是一种基于混合专家（MoE）模型，旨在在不同信噪比条件下均衡地处理 AMC 问题。实验表明，MoE-AMC 能够以领先的分
PDF7 months ago
DroneOptiNet: 5G 及更高的太阳能小型蜂窝网络优化无人机载荷转移机制的框架
通过使用空中基站（由无人机搭载）进行可靠和安全的电力再分配，减少基站的停电，并保持一致的吞吐稳定性，从而提高无线通信系统的可靠性和稳健性。
PDF7 months ago
基于深度学习的频偏估计
使用深度学习方法，通过残差网络（ResNet）从无线通信系统中的原始 I 和 Q 信号提取特征，成功地估计了信号的载波频率偏移（CFO），并在不同情境下表现出优异性能。
PDF8 months ago
WiGenAI: 无线通信与生成式人工智能的交融：扩散模型的交响乐
使用生成式人工智能 (generative AI)、扩散模型 (diffusion models) 和去噪扩散概率模型 (DDPM) 研究了其在无线通信系统中的应用，并提出了具有鲁棒性的 AI 原生通信系统的发展方向与开放问题。
PDF9 months ago
一种基于 DRL 的用于 RIS 辅助多接收机通信的反射增强方法
本研究通过引入一种新颖的深度强化学习（DRL）优化方法，针对双反射场景中重叠剖面不一致导致的远场性能退化问题展开研究。与随机和穷举搜索方法进行对比实验，结果表明我们提出的 DRL 方法不仅在优化时间上表现出色，而且获得了 1.2 dB 的反
PDF10 months ago
AMC-Net: 自动调制识别的有效网络
本研究提出了 AMC-Net，一种新的自动调制识别方法，通过在频域中对输入信号进行降噪，并进行多尺度和有效特征提取，提高了识别准确性，并在两个代表性数据集上的实验中表现出了比大多数当前方法更好的效率和效果。
PDFa year ago
基于模型的深度学习接收机设计 —— 用于速率分裂多接入技术
本文提出了一种基于模型的深度学习方法的较实用的采用率分裂多址（RSMA）技术的接收机设计，通过使用深度学习技术，能够生成非线性的符号检测边界并改善无线通信系统中的干扰管理问题。
PDF2 years ago
MM基于深度学习的 Massive MIMO 网络功率分配的对抗性攻击
本文研究了深度学习在无线通信系统中应用的安全性问题，使用快速梯度符号法、动量迭代快速梯度符号法和方向性梯度下降法攻击了大规模多输入多输出系统中功率分配的神经网络，发现在神经网络输入的微小扰动下能使白盒攻击的收益率达到 86%。
PDF3 years ago
基于大型智能表面辅助的无线通信系统信道估计
本文研究了智能大型表面辅助的无线通信系统中的信道估计问题，并开发了一种基于拉格朗日乘子和对偶上升的估计方案，以解决受限估计误差最小化问题，进而获得在低信噪比条件下比最小二乘方法提高 18% 的估计精度。
PDF5 years ago
MM智能反射面：实用相移模型和波束成形优化
提出了一种实用的相位移位模型，结合联合优化技术来设计 IRS 辅助下的 Beamforming 以最大化可达到的速率，相比传统的理想模型，该模型能够在未来无线通信系统中提高频谱和能量效率。
PDF5 years ago
MM基于可重构智能表面的索引调制：6G 中的新超越 MIMO 范式
本文提出利用可重构智能表面在指数调制方案中实现 RIS - 空间移位键控和 RIS - 空间调制的理论分析，通过计算机模拟结果表明该方案可以提高接收质量和谱效率，成为未来无线通信系统的候选方案。
PDF5 years ago
在无线系统中学习最佳资源分配
本研究探讨在无线通信系统中设计最优资源分配策略。使用深度神经网络进行训练，同时解决主次变量优化问题。通过数值模拟，验证了所提出方法在许多无线资源分配问题中的有效性。
PDF6 years ago
基于深度学习的高速海量机器通信多用户检测
本文提出了一种基于快速深度学习的块限制性激活非线性单元的方法来解决压缩感知多用户检测算法在实际通信系统中计算复杂度高的问题，并在大规模机器类型通信系统中进行了模拟实验，表明该方法在计算时间上减少了十倍，同时优于各种现有的压缩感知多用户检测算
PDF6 years ago
MM无人机无线通信：机遇和挑战
本文介绍了利用无人机辅助的无线通信系统，包括其基本网络架构和主要通道特性，并强调了关键的设计考虑因素以及应该开发的新机会。
PDF8 years ago