基于AI的多用户Massive MIMO系统预编码方法研究

目录

声明

摘要

1．1论文背景及意义

1．1．1移动通信技术和发展及其面临的挑战

1．1．2 AI技术发展历程及其在无线通信领域的应用

1．2国内外研究现状

1．2．1基于AI的Massive MIMO预编码方法研究现状

1．2．2基于深度学习的下行信道重构技术研究现状

1．3本文的主要工作

1．4本文的内容安排

第二章多用户Massive MIMO系统预编码算法

2．1 Massive MIMO系统常用的预编码算法

2．1．1基于迫零准则(Zero-forcing)的预编码算法

2．1．2最小均方误差(MMSE)预编码算法

2．1．3 WMMSE算法

2．2改进的低复杂度预编码优化算法

2．3算法复杂度分析

2．4实验结果及分析

2．4．1仿真环境设置

2．4．2仿真结果分析

2．5本章小结

第三章低复杂度Massive MIMO预编码学习模型

3．1 问题描述和系统模型

3．2网络模型的输入输出设计

3．3低复杂度预编码神经网络模型设计

3．3．1基于MLP的监督学习模型

3．3．2基于CNN的监督学习模型

3．3．3无监督学习的网络模型

3．3．4监督学习和无监督学习结合的模型设计

3．4考虑不同用户权重下的网络模型设计

3．5实验结果分析

3．5-2仿真结果

3．6本章小结

第四章基于深度学习的FDD Massive MIMO下行信道估计

4．1信道模型及问题描述

4．2基于CNN的下行信道估计模型设计

4．3仿真结果

4．4本章小结

5．1本文研究工作总结

5．2本文存在的不足和未来研究展望

参考文献

致谢

攻读学位期间的研究成果

攻读学位期间参与的科研项目