Advertisement

DeepMIMO-codes:针对毫米波及大规模MIMO应用的DeepMIMO数据集与代码

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
简介:DeepMIMO-codes提供了一个专为毫米波和大规模MIMO系统设计的数据集及其配套代码,旨在推动相关领域内的深度学习研究与应用。 DeepMIMO是一个为毫米波(mmWave)和大规模多输入多输出(Massive MIMO)系统中的深度学习应用设计的通用数据集。这个数据集是通过软件生成,并以MATLAB代码包的形式发布,旨在支持这些系统的机器学习研究工作。 文章摘要指出,随着机器学习技术的发展,它们在毫米波及大规模MIMO系统中展现出越来越多的应用潜力。这主要是由于机器学习工具强大的模型学习能力和解决复杂优化问题的能力。然而,在推进这类领域的深度学习研究时需要通用的数据集来评估算法、重现结果以及设置基准线,并且用于比较不同的解决方案。 因此,我们介绍了DeepMIMO数据集的开发与应用,这是一个针对mmWave和大规模MIMO信道特性的广泛适用性数据资源。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • DeepMIMO-codesMIMODeepMIMO
    优质
    简介:DeepMIMO-codes提供了一个专为毫米波和大规模MIMO系统设计的数据集及其配套代码,旨在推动相关领域内的深度学习研究与应用。 DeepMIMO是一个为毫米波(mmWave)和大规模多输入多输出(Massive MIMO)系统中的深度学习应用设计的通用数据集。这个数据集是通过软件生成,并以MATLAB代码包的形式发布,旨在支持这些系统的机器学习研究工作。 文章摘要指出,随着机器学习技术的发展,它们在毫米波及大规模MIMO系统中展现出越来越多的应用潜力。这主要是由于机器学习工具强大的模型学习能力和解决复杂优化问题的能力。然而,在推进这类领域的深度学习研究时需要通用的数据集来评估算法、重现结果以及设置基准线,并且用于比较不同的解决方案。 因此,我们介绍了DeepMIMO数据集的开发与应用,这是一个针对mmWave和大规模MIMO信道特性的广泛适用性数据资源。
  • DeepMIMO-codes-master.zip
    优质
    DeepMIMO-codes-master.zip 是一个包含用于开发和训练深度学习模型处理大规模MIMO通信系统代码的开源项目。 摘要:支持高移动性的毫米波(mmWave)系统能够实现包括车载通信及无线虚拟/增强现实在内的广泛应用领域。然而,在实际应用中需要克服一些挑战才能达到这些目标。首先,窄波束的使用以及对障碍物敏感的特性会严重影响高速移动环境下的信号覆盖和稳定性;其次,高密度环境下快速切换基站(BS)的需求会导致较大的控制延迟与开销问题;此外,在大型天线阵列系统中确定最佳波束成形向量所需的训练成本也是不容忽视的问题。这些问题均对mmWave系统的性能造成了显著影响。 本段落提出了一种结合机器学习和协调波束成形的新颖解决方案,旨在解决上述挑战并支持高移动性毫米波应用的发展。在该方案框架内,众多分布式协作基站能够同时服务于一个移动用户,并且理想情况下,用户仅需以全向或准全向模式发送单一的上行链路训练导频序列给这些基站联合接收处理。通过这种方式获取的数据不仅描绘了用户的精确位置信息,还包含了其与周围环境交互的具体特征。 基于此数据集,利用深度学习模型能够学会如何根据上述签名来预测各基站应采用的最佳波束成形向量。这一创新方法为实现具有可靠覆盖范围、低延迟以及几乎无训练成本的高移动毫米波应用提供了全面解决方案。
  • MATLAB资源分配-DeepMIMO:利DeepMIMO为无线功率分配生成样本
    优质
    本项目基于DeepMIMO数据集开发MATLAB代码,旨在通过深度学习技术优化无线通信中的功率分配问题,提高系统性能。 这是一个从DeepMIMO修改而来的MATLAB/Python代码包,用于生成功率分配的真实信道数据。该代码基于毫米波和大规模MIMO系统中深度学习应用的公开可用DeepMIMO数据集进行开发。 此代码包与以下文献相关: 1. 孙浩然、浦文强、朱明赫、肖夫、张宗辉以及洪明义,“在情景动态环境中持续优化无线资源的学习”,arXiv预印本 arXiv:2011.07782 (2020)。 2. 阿赫迈德·阿尔卡提卜,DeepMIMO:用于毫米波和大规模MIMO应用的通用深度学习数据集, 信息理论与应用研讨会(ITA), 加利福尼亚州圣地亚哥, 2019年2月。 3. 孙浩然、陈翔毅、史清江、洪明义、肖夫及尼科斯·D·西德罗波洛斯,“学习优化:为无线资源管理训练深度神经网络”,IEEE Transactions on Signal。
  • MIMO:5G新范式 mmWave Massive MIMO: A New Paradigm for 5G
    优质
    本文探讨了毫米波技术在大规模MIMO系统中的应用,提出其作为实现5G高速通信新途径的重要性与潜力。 毫米波大规模天线系统目前最新的一本权威论著可供相关研究人员参考。
  • Matlab显示乱 - 基于学习MIMO功率控制...
    优质
    本文探讨了在使用Matlab进行基于学习的大规模MIMO功率控制研究时遇到的问题之一——代码显示乱码,并提出解决方案。通过解决这一问题,文章旨在为相关研究人员提供参考和帮助。 本项目包含论文《Learning-Based-Power-Control-for-mmWave-Massive-MIMO-against-Jamming》的原文及简化版代码,在MATLAB 2016b上已全部测试通过。部分代码参考了另一篇论文《Machine learning inspired energy-efficient hybrid precoding for mmWave massive MIMO systems》。项目中的`anti_jamming_PHC.m`和`anti_jamming_Q.m`文件实现了本段落提出的两种抗干扰算法,而`anti_jamming_RCRA.m`则实现了一种参考文献中提到的抗干扰方法。由于代码是在Ubuntu系统的MATLAB环境下编写,部分注释可能在其他系统上显示为乱码,在Ubuntu上的MATLAB环境中打开就不会有这个问题。
  • MIMO系统中混合连接混合预编设计
    优质
    本研究聚焦于毫米波大规模MIMO通信技术,探讨并优化了混合连接和混合预编码策略,以提升系统的频谱效率及能量效率。 为了提高混合连接的混合预编码技术在频谱效率方面的表现,我们首先应用连续干扰消除(SIC)原理来确定理想条件下的最优混合预编码矩阵。接下来利用梯度下降理论将这个最优矩阵分解成数字预编码部分和模拟预编码部分。考虑到模拟预编码需要满足恒模约束,在最大化频谱效率的目标下,通过交替最小化方法对模拟及数字的预编码进行优化。 该算法特别适用于基于混合连接结构的应用场景,并且与仅使用部分或全部连接的传统混合预编码相比,具有更高的能量效率。同时,它不会增加硬件复杂度和计算负担。仿真结果显示,在射频链路数量超过数据流数的情况下,此方法能够显著提高频谱效率。 由于分块操作无需满足正交性要求,该算法在实际应用中比现有的基于混合连接的预编码技术更具优势。
  • 基于部分连接MIMO混合预编方案
    优质
    本研究提出了一种创新性的基于部分连接机制的毫米波大规模MIMO混合预编码方案,旨在提升系统频谱效率和能源利用效率。该方法通过优化硬件复杂度与性能之间的平衡,为未来无线通信网络提供了一个有效的解决方案。 针对发送端为部分连接而接收端为全数字的毫米波大规模MIMO系统,本段落提出了一种基于等效信道奇异值分解(SVD)设计数字预编码矩阵与合并矩阵的方法,并根据模拟预编码矩阵的块对角化特性,以最大化系统可达和速率为目标函数求解最优模拟预编码矩阵。在考虑硬件成本及功耗的基础上,进一步提出了接收端为部分连接时的预编码方案,并采用迭代交替更新法来优化模拟预编码与合并矩阵。 仿真结果显示,在全数字接收条件下,所提出的混合预编码方案相比基于可持续干扰消除(SIC)方法的混合预编码具有更好的性能。而在部分连接接收的情况下,虽然其性能略逊于基于SIC的方法,但显著降低了功耗和硬件成本。
  • 基于深度学习MIMO信道估计.pdf
    优质
    本文探讨了在毫米波通信中利用深度学习技术进行大规模MIMO系统的信道状态信息(CSI)高效准确估计的方法。通过创新算法优化系统性能,为未来6G通信奠定理论基础。 本段落探讨了基于深度学习的毫米波Massive MIMO信道估计技术,并通过对比传统线性估计方法与深度学习方法发现,后者在提高信道估计精度的同时还能有效降低计算复杂度。文章提出了一种利用卷积神经网络进行信道估计的新方案,并通过仿真实验验证了该方案的有效性和优越性。此外,本段落还分析了深度学习技术在未来应用于信道估计领域的潜在机遇与挑战。
  • MIMO系统中低复杂度混合预编技术
    优质
    本研究探讨了在毫米波大规模MIMO通信系统中应用低复杂度混合预编码技术,旨在提高频谱效率与能量效率。通过创新算法优化信号处理流程,减少计算资源消耗,为未来无线通讯网络的发展提供了新的解决方案和技术支持。 为应对毫米波大规模多输入多输出(MIMO)系统混合预编码方案设计中的挑战,本段落提出了一种低复杂度的混合预编码方法。首先利用奇异值分解技术构建初始射频(RF)预编码矩阵,并随后构造数字预编码矩阵。通过将残差矩阵的最大左奇异矢量添加到RF矩阵的最后一列来更新初始RF矩阵,并经过多次迭代最终确定RF预编码矩阵。最后,基于最小二乘准则设计了数字预编码方案。理论分析和仿真结果表明,在计算复杂度显著降低的情况下,该方法的性能远远优于传统的正交匹配追踪(OMP)算法混合预编码策略;并且在数据流数较少时,其表现接近于全数字预编码的最佳设计方案。
  • 3-D MIMO-SAR 成像:近场传感器-MATLAB开发
    优质
    本项目致力于研究和实现基于3-D MIMO-SAR技术的毫米波成像系统在近场环境下的应用,特别关注利用MATLAB进行算法设计与仿真。旨在探索毫米波传感器在复杂场景中提供高分辨率图像的能力,以支持广泛的科研及工程需求。 在该存储库中实现了三维 (3-D) 全息 MIMO-SAR 成像算法。重要的信号处理功能,如适用于大 MIMO 系统的近场多基地图像重建、多通道阵列校准以及从多基地到单基地的转换,在 3-D MIMO-SAR 成像背景下进行了展示。示例数据集可以从指定链接下载。