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。发表于: 。基于深度学习的无监督式深度学习的联合功率分配和波束形成设计方案可以提高频谱效率,并且相较于传统方法具有较高的计算效率。
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。
基于深度学习的无监督式深度学习的联合功率分配和波束形成设计方案可以提高频谱效率,并且相较于传统方法具有较高的计算效率。
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。