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
生态环境监测
大数据
评价方法
动态监控
监控面板
日负荷曲线
信息熵
聚类算法
评价方法
需求响应策略
网络流量预测
切换方法
LEO卫星
矩阵
注意力机制