检索结果-南通市图书馆

Capacity Optimization Using Augmented Lagrange Method in Intelligent Reflecting Surface-Based MIMO Communication Systems

引用

China Communications 2020年第12期17卷 123-138页

作者： daina chang Hao Jiang Jie Zhou Hongming Zhang Mithun Mukherjee College of Electronic and Information Engineering Nanjing University of Information Science and TechnologyNanjing 210044China College of Artificial Intelligence Nanjing University of Information Science and TechnologyNanjing 210044China National Mobile Communications Research Laboratory Southeast UniversityNanjing 210096China School of Information and Communication Engineering Beijing University of Posts and TelecommunicationsBeijing 100876China

In this paper,we present an algorithm for capacity optimization in intelligent reflecting surface(IRS)-based multiple-input multiple-output(MIMO)communication systems.To maximize the capacity of elements in IRS,we use augmented Lagrange method with the equivalent transformations on the covariance matrix and reflection matrix constraints.This results an adjustable phase shift on the incident signal.Furthermore,we reshape the complex-valued covariance matrix and reflection matrix to a vector for the ease of calculating partial derivatives to find the search direction.Then,the quasi-Newton updates and modified Broyden-Fletcher-Goldfarb-Shano(BFGS)method in the complex domain form are used to find the local minimum.Finally,numerical simulation results demonstrate that our proposed IRS-aided system using the algorithm performs better than the state-of-the-art and the conventional communication systems.

关键词： IRS capacity augmented Lagrange quasi-Newton updates BFGS

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习算法的OFDM信号检测

引用

东南大学学报（自然科学版） 2020年第5期50卷 912-917页

作者：常代娜周杰南京信息工程大学电子与信息工程学院南京210044 新泻大学工学部日本新泻950-2181

为了提高正交频分复用(OFDM)无线通信系统的信号检测能力,提出了一种基于深度学习(DL)算法的信号检测框架来代替系统信号检测模块.首先利用迫零(ZF)均衡器重构深度神经网络(DNN)的输入;然后在离线训练中增加预训练阶段,以导频符号和数... 详细信息

为了提高正交频分复用(OFDM)无线通信系统的信号检测能力,提出了一种基于深度学习(DL)算法的信号检测框架来代替系统信号检测模块.首先利用迫零(ZF)均衡器重构深度神经网络(DNN)的输入;然后在离线训练中增加预训练阶段,以导频符号和数据符号作为训练数据,为训练阶段提供良好的初始参数;最后在线信号检测通过加载离线训练获得的最优参数进行信号检测.实验结果表明:当信噪比(SNR)为25 dB时,无预训练阶段和无ZF均衡器的框架性能相对于完整的DL信号检测框架性能分别损失了2和4 dB;在导频符号数目减少和无循环前缀(CP)的情况下,DL框架的误码率相比传统方法均明显下降;在不同信道参数下,DL框架的性能损失比传统方法更小.ZF均衡器和预训练阶段均可提高DL框架性能,DL框架能更好地检测信号并具有较强的鲁棒性.

关键词：深度学习信号检测正交频分复用(OFDM) 深度神经网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：