一种用于无线信道特征超分辨的多任务学习模型
信号处理
2022-09-12 v1
摘要
信道建模一直是通信系统设计与开发的核心部分，尤其在 5G 和 6G 时代。传统方法如随机信道建模和基于射线追踪（RT）的信道建模严重依赖测量数据或仿真，通常昂贵且耗时。本文提出一种用于生成信道特征数据的新型超分辨（SR）模型。该模型基于带残差连接的多任务学习（MTL）卷积神经网络（CNN）。实验表明，所提 SR 模型在平均绝对误差和误差标准差方面均取得优异性能。通过与其他最先进深度学习模型的对比，展示了所提模型的优势。消融研究也证明了多任务学习及模型设计中各项技术的必要性。本文贡献可通过大幅减少仿真或测量工作量，对信道建模、网络优化、定位及其他无线信道特征相关工作有所帮助。
引用
@article{arxiv.2209.04207,
title = {A Multi-Task Learning Model for Super Resolution of Wireless Channel Characteristics},
author = {Xiping Wang and Zhao Zhang and Danping He and Ke Guan and Dongliang Liu and Jianwu Dou},
journal= {arXiv preprint arXiv:2209.04207},
year = {2022}
}
备注
6 pages, GLOBECOM 2022 CQRM accepted. Thanks haoyang for his help in uploading :)