利用神经网络预测无线信道特征
信号处理
2018-02-02 v1 信息论
math.IT
摘要
我们研究了在大型阵列基站(BS)处使用机器学习技术估计用户信道特征的可行性。在我们考虑的场景中,基站观测并处理用户导频广播,以提取关于传播信道特征(如接收信号强度和相对路径时延)的到达角(AoA)特定信息。感兴趣的问题涉及利用该信息预测用户信道中主导传播路径的离开角(AoD),即基站处无法直接观测到的信道特征。为完成此任务,在同一传播环境中收集的数据被用于训练神经网络。我们的研究依赖于已针对日本东京著名热点新宿广场(Shinjuku Square)的测量值进行校准的射线追踪信道数据。我们证明了基站侧观测到的特征与用户侧角度特征相关。我们训练了利用基站侧不同测量特征组合来推断用户侧未知参数的神经网络。基于标准统计性能指标的评估表明,此类数据驱动方法具有从观测特征预测未观测信道特征的潜力。
引用
@article{arxiv.1802.00107,
title = {Predicting Wireless Channel Features using Neural Networks},
author = {Shiva Navabi and Chenwei Wang and Ozgun Y. Bursalioglu and Haralabos Papadopoulos},
journal= {arXiv preprint arXiv:1802.00107},
year = {2018}
}
备注
6 pages, 6 figures, to appear in 2018 IEEE International Conference on Communications (ICC)