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
浙江理工大学;