排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
随着5G和未来移动无线网络的不断发展,大规模多输入多输出(multiple input multiple output, MIMO)是其中的关键技术之一。随着天线数目的不断增加,给接收机的设计带来更高的挑战,复杂度过高的检测算法在实际中难以应用。本文将一种高并行(high-parallelism, HP)检测算法展开到神经网络中,单层神经网络基于该算法的每次迭代,并将其与可训练的权重参数和非线性神经单元相结合,提出基于网络结构HP-Net的方法。通过训练HP-Net得到最优可训练参数,进而提高检测性能。实验结果表明,所提方法相对传统最小均方误差(minimum mean square error, MMSE)算法复杂度更低,并能够得到更低的误码率;同时相对HP并行检测算法误码率性能更优。 相似文献
2.
针对大规模多输入多输出(multiple input multiple output,简称MIMO)系统中最小均方误差(minimum mean square error,简称MMSE)信号检测算法复杂度过高及传统Jacobi信号检测算法收敛较慢的问题,提出最优外插Jacobi(optimal extrapolation Jacobi,简称OEJ)信号检测算法.在Jacobi迭代计算中,通过最优外插因子将当前解与下次迭代解进行组合,以加快迭代收敛速度.OEJ信号检测算法的复杂度比MMSE信号检测算法的复杂度低一个数量级.仿真实验结果表明：相对于传统Jacobi及阻尼Jacobi信号检测算法,OEJ信号检测算法的误码率最低,随迭代次数的增加误码率减小最明显、收敛最快. 相似文献
1