用于无人机-地面通信系统的改进高斯-伯努利受限玻尔兹曼机
信号处理
2023-05-30 v1
摘要
无人机（UAV）因其高海拔广覆盖、按需低成本部署和快速响应等引人注目的特性，正稳步发展为下一代通信系统中一项极具前景的技术。由于空-地链路的高机动性和独特信道特性，无人机通信从根本上不同于传统的地面和卫星通信。然而，由于动态传播环境和可变传输延迟，获取有效的信道状态信息（CSI）具有挑战性。本文提出了一种基于深度学习（DL）的 CSI 预测框架，通过从无人机无线信号中提取最具判别性的特征来解决信道老化问题。具体而言，我们开发了结合基于自编码器的深度神经网络（DNNs）的多个高斯-伯努利受限玻尔兹曼机（GBRBM）用于降维和预训练利用的流程。为评估所提方法，获取了无人机在商用蜂窝网络内与基站通信的真实数据测量值并用于训练和验证。数值结果表明，所提方法在各种无人机飞行场景下信道获取准确，且优于传统 DNNs。
引用
@article{arxiv.2206.08209,
title = {Improved Gaussian-Bernoulli Restricted Boltzmann Machines for UAV-Ground Communication Systems},
author = {Osamah A. Abdullah and Michael C. Batistatos and Hayder Al-Hraishawi},
journal= {arXiv preprint arXiv:2206.08209},
year = {2023}
}