摘要
本发明公开了一种基于深度学习的网络大规模MIMO预编码方法,适用于网络大规模MIMO传输中多个基站协作地为一组用户传输数据的下行预编码设计,针对最大化系统和速率的预编码设计,将其等价转化为加权最小均方误差(WMMSE)问题,利用两层迭代得到WMMSE预编码器,将WMMSE预编码器通过低维参数表征,然后将预编码设计问题转换为低维变量的优化问题;利用深度学习求解针对低维参数优化问题,并通过闭式表达式计算预编码向量。本发明通过求解低维参数的问题解决高维的预编码设计问题,并以较低的计算复杂度和更高的计算效率达到接近最优的和速率性能。
技术关键词
预编码向量
最大化系统
基站
加权均方误差最小化
变量
编码器
大规模MIMO系统
表达式
信道
下行预编码
预编码方法
矩阵
功率
信噪比
训练神经网络
生成数据集
系统为您推荐了相关专利信息
序列预测模型
序列预测方法
变量
计算机设备
编码器
Stackelberg博弈模型
网络资源分配方法
多任务
网络效用
LEO卫星
方程
力学性能参数
疲劳裂纹扩展
仿真模型
气态氢