基于深度學(xué)習(xí)的智能表面毫米波波束賦形

打開文本圖片集

摘 要：基于深度學(xué)習(xí)的大型智能表面毫米波波束賦形問題，引入具有少量有源元件的大型智能表面（ＬａｒｇｅＩｎｔｅｌｌｉｇｅｎｃｅ Ｓｕｒｆａｃｅ，ＬＩＳ） 后，通過一系列實(shí)驗(yàn)對(duì)比研究了卷積神經(jīng)網(wǎng)絡(luò)（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＣＮＮ） 算法下波束賦形的性能。通過使用ＤｅｅｐＭＩＭＯ 數(shù)據(jù)集中具體場(chǎng)景下的射線追蹤信道數(shù)據(jù)構(gòu)造通信場(chǎng)景，并采用神經(jīng)網(wǎng)絡(luò)模型ＣＮＮ、反向傳播（Ｂａｃｋ Ｐｒｏｐａｇａｔｉｏｎ，ＢＰ） 和多層感知器（Ｍｕｌｔｉ-Ｌａｙｅｒ Ｐｅｒｃｅｐｔｒｏｎ，ＭＬＰ） 算法學(xué)習(xí)毫米波通信環(huán)境。（剩余8340字）