一种智能超表面赋能的无蜂窝网络误符号率分析方法

AITNT
正文
推荐专利
一种智能超表面赋能的无蜂窝网络误符号率分析方法
申请号:CN202411575713
申请日期:2024-11-06
公开号:CN119485428A
公开日期:2025-02-18
类型:发明专利
摘要
本发明提供一种智能超表面赋能的无蜂窝网络误符号率分析方法,包括:建立空间相关瑞利衰落信道下智能超表面赋能的无蜂窝网络模型;基于构建的模型,进行上行链路训练;基于训练的上行链路,进行上行信道数据的传输;根据传输的上行信道数据,设计期望信号和等效噪声的概率密度函数;根据设计的期望信号的概率密度函数,设计M‑PAM、M‑QAM及M‑PSK的SER的解析表达式。本发明通过降低误码率,使通信网络能够在更高的信噪比下稳定传输,提高数据传输的可靠性,低误码率意味着用户在使用过程中遇到的掉线或数据错误情况减少,提升整体用户体验。仿真结果验证了分析的误符号率的可靠性,展示了将智能超表面赋能到无蜂窝网络的优势,为6G的发展部署提供理论依据。
技术关键词
超表面 误符号率 概率密度函数 基站 表达式 分析方法 上行链路训练 反射单元 瑞利衰落信道 信道估计误差 信道估计方法 网络 进制正交幅度调制 噪声 导频信号 信号调制 低误码率 衰落模型
系统为您推荐了相关专利信息
1
基于迁移学习的空间行波管长寿命快速预测算法
空间行波管 长寿命 GRU模型 序列 表达式
2
一种生态环境监测大数据质量评价方法及系统
生态环境监测 大数据 评价方法 动态监控 监控面板
3
一种自适应容器迁移方法及系统
迁移方法 环路检测 容器 服务器 策略更新
4
虚拟电厂的需求响应评价方法、装置、设备及存储介质
日负荷曲线 信息熵 聚类算法 评价方法 需求响应策略
5
基于LSTM和Attention-DQN的LEO网络流量预测与切换方法
网络流量预测 切换方法 LEO卫星 矩阵 注意力机制
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号