基于深度学习的上行传输过程毫米波通信波束选择方法

文章研究了多用户上行传输过程毫米波大规模多输入多输出(multi-input and multi-output,MIMO)系统的波束选择问题,提出了一种基于深度学习的波束选择方法。针对使用透镜的多用户毫米波大规模MIMO上行传输过程,提出一种面向波束选择的深度学习框架,通过信道数据预先对神经网络进行离线训练,然后将实测信号输入训练好的神经网络在线预测信道直达径对应的波束,从而实现波束选择;基于该深度学习框架制定了具体的训练细则,采用柔性最大值交叉熵函数作为损失函数,使用自适应矩估计优化器优化神经网络参数。仿真结果表明,该文提出的基于深度学习的波束选择方法优于现有的正交匹配追踪方法。     

基于复合调制方式的AM广播

该文提出了一种采用复合调制方式的AM广播方案.在数字调幅广播的基础上,引入了一种窄带调制方式——最小附加波形键控,形成复合调制,充分利用了有限的频带资源.系统仿真结果表明,两种调制方式在一定条件下都能获得不错的误码率性能.     

采用复合调制的AM广播功率谱分析

分析采用EBPSK/DSB-AM复合调制的AM广播发射信号功率谱,给出复合传输系统的结构和发射信号的波形表达式。以美国FCC规定的功率谱发射掩模和我国关于AM发射机基本参数的国家标准为具体指标,对比了通过几种不同的发射滤波器后复合调制信号的功率谱结构,以及相应的数据传输性能。系统仿真表明,在满足给定发射信号功率谱衰减和一定的信噪比条件下,模拟AM广播和EBPSK数据传输都能获得良好的性能。