利用自编码器估计多模态稠密多径分量
信号处理
2022-12-06 v1
摘要
我们提出了一种针对呈现独立稠密多径分量混合的无线电信道测量的最大似然估计算法。我们方法的新颖之处在于使用深度学习架构进行算法初始化。目前可用的方法仅能处理存在单一模态的场景。然而，在测量中常观察到两个或更多模态。这一更具挑战性的多模态设定带来两个重要问题：存在多少模态，以及我们如何估计它们？为此，我们提出了一种神经网络架构，可可靠估计数据中存在的模态数量并初步评估其形状。这些预测用于初始化基于梯度和模型的优化算法以进一步精炼估计。我们通过数值演示了该架构在测量数据上的表现，并解析研究了其在单模态方法失效设定下对镜面路径估计的影响。
引用
@article{arxiv.2212.02334,
title = {Estimating Multi-Modal Dense Multipath Components using Auto-Encoders},
author = {Steffen Schieler and Michael Döbereiner and Sebastian Semper and Markus Landmann},
journal= {arXiv preprint arXiv:2212.02334},
year = {2022}
}
备注
https://ieeexplore.ieee.org/document/9909796