无线能量传输中的信道跟踪：一种深度循环神经网络方法
信息论
2018-12-10 v1 math.IT
摘要
在本文中，我们研究无线能量传输（WET）系统中的信道跟踪问题，该问题在实践中非常重要但具有挑战性。将时变信道视为待预测的序列，我们利用循环神经网络（RNN）技术进行信道跟踪。特别地，结合深度长短期记忆（LSTM）RNN与深度前馈神经网络，我们为WET系统开发了一种新颖的信道跟踪方案，该方案基于先前的信道状态信息（CSI）估计以及来自能量接收端的当前和先前能量收集反馈信息，在能量发送端估计CSI。数值结果证明了所提方案的优越性能与有效性。
引用
@article{arxiv.1812.02986,
title = {Channel Tracking for Wireless Energy Transfer: A Deep Recurrent Neural Network Approach},
author = {Jae-Mo Kang and Chang-Jae Chun and Il-Min Kim and Dong In Kim},
journal= {arXiv preprint arXiv:1812.02986},
year = {2018}
}
备注
4 pages, 4 figures