BriefGPT - AI 论文速递
·
基于深度学习的联合多用户 MISO 功率分配与波束形成设计
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本研究使用深度学习研究了多用户多输入单输出系统中的快速下行波束成形算法，提出了一种基于卷积网络和原问题的对偶性的深度神经网络结构来学习最优波束成形。开发了一种算法泛化的方法，实现了更好的性能与复杂度的平衡。
🎯
关键要点
- 本研究使用深度学习研究多用户多输入单输出系统中的快速下行波束成形算法。
- 基站的每个发射天线都有自己的功率约束。
- 研究关注信干噪比（SINR）平衡问题。
- 设计了快速次梯度算法。
- 提出了一种基于卷积网络和原问题的对偶性的深度神经网络结构来学习最优波束成形。
- 开发了一种算法泛化的方法，以适应不断变化的用户和天线数量。
- 实现了更好的性能与复杂度的平衡。
🏷️
标签
➡️
