TY -的A2 Jamsa Tommi AU -白,Lu王盟——程详盟——黄,杰盟,徐黔AU -杨,Yuqian盟——Goussetis乔治盟——太阳,剑盟——张,分析师Wensheng PY - 2018 DA - 2018/08/23 TI -预测无线MmWave大规模MIMO信道特性使用机器学习算法SP - 9783863六世- 2018 AB -信道特性提出了一种预测程序基于一个著名的机器学习(ML)算法和卷积神经网络(CNN),用于三维(3D)毫米波(mmWave)大量多输入多输出(MIMO)室内通道。通过射线追踪软件生成振幅、时延、离港方位角、离港仰角、到达方位角、到达仰角等通道参数。经过数据预处理，我们可以得到用于训练CNN的信道统计特征(包括上述参数的期望和传播)。将发射机(Tx)天线和接收机(Rx)天线的位置信息输入到有限数据训练的CNN中，就可以预测特定室内场景下任意子信道的信道统计特性。预测的信道统计特性能很好地拟合真实的信道统计特性。分析了信道统计特性的误差平方和均方根误差的概率密度函数。SN - 1530-8669 UR - https://doi.org/10.1155/2018/9783863 DO - 10.1155/2018/9783863 JF -无线通信和移动计算PB - Hindawi KW - ER -