第五代移動通信（5th Generation,5G）系統(tǒng)作為面向2020年以后、面向社會提供通訊需求的新一代移動系統(tǒng),具有豐富的應用場景。其中,毫米波（millimeter Wave,mm Wave）技術與大規(guī)模多輸入所輸出（massive Multi-Input Multi-Output,m MIMO）技術在5G中起著舉足輕重的作用。mm Wave頻段豐富的頻譜資源與m MIMO系統(tǒng)提供超高的陣列增益相輔相成。因此,mm Wave與m MIMO技術的結合成為5G通信的關鍵。為了進一步增強通信系統(tǒng)的頻譜效率,通常對發(fā)送信號進行預編碼;而傳統(tǒng)的全數(shù)字預編碼為每根天線配備一根射頻（Radio Frequency,RF）鏈,在m MIMO系統(tǒng)中將導致難以承受的硬件成本和功耗。于是,混合預編碼架構被提出受到了人們的關注。而機器學習作為一門人工智能的科學,在解決非線性問題及降低時間復雜度方面有著顯著的優(yōu)勢。因此,本文在mm Wave m MIMO系統(tǒng)中,進一步研討了基于機器學習的混合預編碼技術,其內容如下:1.對于單用戶mm Wave m MIMO系統(tǒng),提出了一種基于卷積神經網絡（Convolu... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

2sN，時，四種預編碼方案的BER和SNR之間的關系


本文編號：3110503