一种用于无线移动信道的射线追踪与深度学习融合超分辨率建模方法
信号处理
2023-01-30 v1
摘要
移动信道建模一直是通信系统设计与部署优化的核心部分，尤其在5G及更高代际时代。确定性信道建模可精确实现移动信道描述，但存在设备缺陷与耗时问题。本文提出一种用于簇特性预测的新颖超分辨率（SR）模型。该模型基于带残差连接的深度神经网络。通过三维射线追踪（RT）仿真器在3.5 GHz下于多样场景中进行一系列仿真。提取簇特性并构建相应数据集以训练模型。实验表明，所提SR方法相较传统插值方法可实现更优的功率与簇位置预测性能，均方根误差（RMSE）相对下降51%和78%。基于簇特性重构信道冲激响应（CIR），其可与多径分量（MPC）良好匹配。所提方法可用于高效准确地生成移动信道大数据，显著减少仅RT的计算时间。
引用
@article{arxiv.2301.11557,
title = {A Ray-tracing and Deep Learning Fusion Super-resolution Modeling Method for Wireless Mobile Channel},
author = {Zhao Zhang and Danping He and Xiping Wang and Ke Guan and Zhangdui Zhong and Jianwu Dou},
journal= {arXiv preprint arXiv:2301.11557},
year = {2023}
}
备注
5 pages,7 figures,accepted by EuCAP2023