基于模型的位置到信道映射学习
人工智能
2023-08-29 v1 信号处理
摘要
现代通信系统依赖准确的信道估计以实现高效可靠的信息传输。由于通信信道响应与用户位置高度相关，可利用神经网络将用户的空间坐标映射至信道系数。然而，后者作为位置的函数变化极快，其变化尺度与波长相当。经典神经架构偏向于学习低频函数（谱偏置），因此此类映射难以学习。为克服该局限，本文提出一种节约型的基于模型的网络，将目标映射函数的低频成分与高频成分分离。这产生了一种超网络架构，其中神经网络仅学习高频成分字典中的低频稀疏系数。仿真结果表明，所提神经网络在真实合成数据上优于标准方法。
引用
@article{arxiv.2308.14370,
title = {Model-based learning for location-to-channel mapping},
author = {Baptiste Chatelier and Luc Le Magoarou and Vincent Corlay and Matthieu Crussière},
journal= {arXiv preprint arXiv:2308.14370},
year = {2023}
}