基于机器学习的太赫兹信道预测建模研究OA北大核心
Research on Terahertz Channel Prediction Modeling Based on Machine Learning
针对6G移动通信的通信场景复杂化、数据海量化,以及传统信道建模方法带来的测量成本昂贵、建模复杂度高等挑战,将机器学习中的反向传播神经网络(Back Propagation Neural Network,BPNN)应用到室内太赫兹信道建模中,有效降低了建模复杂度,提高了建模效率.建立了基于遗传算法(Genetic Algorithm,GA)和蚁群算法(Ant Colony Optimization,ACO)混合优化的BPNN信道参数预测模型,对太赫…查看全部>>
The intricate communication scenarios in 6G mobile communication pose significant challenges,including high modeling complexity,prohibitive measurement costs,and overwhelming data volumes.Back Propagation Neural Network(BPNN)from machine learning is applied to indoor terahertz channel modeling to overcome these challenges.This approach effectively reduces modeling com-plexity and improves modeling efficiency.A BPNN channel parameter prediction model based on…查看全部>>
王世豪;李双德;刘芫健;梁静宜;蒋晨晨
南京邮电大学电子与光学工程学院、柔性电子(未来技术)学院,江苏南京 210023南京邮电大学电子与光学工程学院、柔性电子(未来技术)学院,江苏南京 210023南京邮电大学电子与光学工程学院、柔性电子(未来技术)学院,江苏南京 210023南京邮电大学电子与光学工程学院、柔性电子(未来技术)学院,江苏南京 210023南京邮电大学电子与光学工程学院、柔性电子(未来技术)学院,江苏南京 210023
电子信息工程
太赫兹信道建模射线跟踪机器学习
terahertzchannel modelingray tracingmachine learning
《无线电通信技术》 2024 (5)
914-920,7
国家自然科学基金(62371248)南京邮电大学引进人才自然科学研究启动基金(NY222059) National Natural Science Foundation of China(62371248)Natural Science Research Start-up Foundation of Recruiting Talents of Nanjing University of Posts and Telecommunications(NY222059)
评论