隨著MIMO技術(shù)的應(yīng)用和發(fā)展,Massive MIMO技術(shù)作為5G移動通信的關(guān)鍵技術(shù)已經(jīng)成為人們關(guān)注的焦點。由于網(wǎng)絡(luò)中部署了大量天線,網(wǎng)絡(luò)復(fù)雜度高,Massive MIMO系統(tǒng)的性能特征估計和分析需要考慮基站與用戶之間的空間傳輸特征以及用戶之間的干擾情況,而這些特性都隱藏在海量的網(wǎng)絡(luò)模型計算中,僅僅依靠傳統(tǒng)的系統(tǒng)仿真方法無法在實際網(wǎng)絡(luò)規(guī)劃中有效快速預(yù)測和評估網(wǎng)絡(luò)性能。所以,本文采用深度學(xué)習(xí)的方法對Massive MIMO信道特征和下行干擾水平兩個方面進(jìn)行預(yù)測研究。同時本文采集了5G網(wǎng)絡(luò)真實場景中的宏基站覆蓋場景射線追蹤模型數(shù)據(jù),然后將射線追蹤模型數(shù)據(jù)與3D MIMO信道模型融合,對信道空間特征和用戶空間特征進(jìn)行分析,最后利用深度學(xué)習(xí)對信道特征和下行干擾預(yù)測研究。本文的主要研究內(nèi)容包括:1.基于已有的射線追蹤數(shù)據(jù),其中數(shù)據(jù)包括用戶和基站之間傳播射線的幾何位置以及每條射線的大尺度路損信息,與傳統(tǒng)3D MIMO信道模型的實現(xiàn)標(biāo)準(zhǔn)相融合,該融合信道模型是確定性模型和統(tǒng)計性模型相融合的新模型。2.根據(jù)新融合信道模型仿真得到信道矩陣和計算下行干擾水平,通過分析基站與用戶之間的空間特性和用戶之間特征...

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-4經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

第二章深度學(xué)習(xí)理論知識10LeNet-5模型，它是第一個成功應(yīng)用于數(shù)字手寫識別問題的卷積神經(jīng)網(wǎng)絡(luò)[44，45]。相比傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)避免了對參數(shù)的過度依賴，能更好地學(xué)習(xí)高維數(shù)據(jù)。在網(wǎng)絡(luò)結(jié)構(gòu)上，卷積神經(jīng)網(wǎng)絡(luò)比傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)要復(fù)雜得多，其中最大的區(qū)別在于卷積神經(jīng)網(wǎng)....

圖2-5卷積層的操作過程

安徽大學(xué)碩士學(xué)位論文11,,,llllijkijkkzxwb（2.10）圖2-5卷積層的操作過程2.3.2池化層池化是卷積神經(jīng)網(wǎng)絡(luò)重要的概念，池化層一般往往加在卷積層之間，可以對輸入矩陣降維，即有效的縮小輸入矩陣的維度。例如一個44的輸入矩陣，有一個維度22的過濾器，通過過濾器可....

圖3-1單基站下用戶分布示意圖

安徽大學(xué)碩士學(xué)位論文15第三章基于射線追蹤的3DMIMO融合模型3.1基于射線追蹤的3DMIMO融合模型總體設(shè)計方案本文研究的傳播場景是宏基站室外傳播場景，以單基站為例，圖3-1展示了單基站下用戶分布示意圖。圖中星狀表示基站分布，點狀表示柵格級用戶分布，即柵格是5m5m的正方形，....

圖4-8卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

第四章基于深度學(xué)習(xí)的信道特征和下行干擾預(yù)測研究34征差異明顯，所以同一小區(qū)預(yù)測效果稍好于不同小區(qū)。表4-3DNN信道幅值預(yù)測性能結(jié)果樣本環(huán)境訓(xùn)練樣本數(shù)預(yù)測樣本數(shù)平均相對誤差（%）平均絕對誤差（dB）相關(guān)系數(shù)同一小區(qū)5900010004.1405.4070.930不同小區(qū)75000....

本文編號：3996812