5G规模化商用可提供髙速低延时的通信服务,但由于逐块设计的通信模型可解释性程度较低,增加了其物理层优化的复杂度。针对该问题,利用深度学习在结构化信息表示和数据提取上的优势,在其基础上提出一种自编码器端到端物理层优化方案。通过两阶段训练模式提髙神经网络的泛化性,同时利用自编码器压缩特性量化信道状态信息(CSI)并进行重建,降低CSI反馈导致的系统开销。仿真结果表明,该方案通过分阶段训练能有效提升收敛速率,而压缩量化CSI则可缓解系统负载。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !