MIMO和RIS的一些学习

2024-05-09 02:44
文章标签 学习 mimo ris

本文主要是介绍MIMO和RIS的一些学习,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.Accurate Beam Training for RIS-Assisted Wideband Terahertz Communication(RIS 辅助宽带太赫兹通信的精确波束训练)

摘要:太赫兹 (THz) 通信被广泛认为是未来 6G 无线系统最有前途的技术之一。为了应对太赫兹系统中的高路径损耗,可以部署由低复杂度反射元件组成的可重构智能表面(RIS)来生成定向光束。为了获取用户设备(UE)发送定向波束的方向,准确的信道状态信息(CSI)的获取非常重要。波束训练被广泛用于获取 CSI。然而,现有的波束训练方案没有考虑宽带波束分裂效应,因此在宽带场景下波束训练精度下降很多。为了解决这个问题,在本文中,我们提出了 RIS 辅助宽带太赫兹通信系统中的分析波束训练框架。具体来说,我们首先提出一种基于功率分布模式(PDP)的方向估计方案,其中利用接收功率的精确值来分析计算UE方向。然后,我们根据宽带太赫兹系统的固有参数设计了所提出框架的分析码本。仿真结果表明,所提出的框架可以以比现有方案更低的波束训练开销实现接近最佳的可实现速率性能。

论文的工作:

1.提出RIS辅助宽带太赫兹通信系统的分析波束训练框架;

2.基于提出的框架,分析光束的功率。

代码:Publications

代码里有波束训练的算法。简直太良心了,学习,respect!!

2.Near-field wideband channel estimation for extrmely large-scale MIMO(超大规模MIMO的近场宽带信道估计)

摘要:毫米波(mmWave)和太赫兹(THz)频段的超大规模多输入多输出(XL-MIMO)在支持极高波束成形增益以及超宽带频谱资源方面发挥着重要作用。不幸的是,准确的宽带 XL-MIMO 信道估计面临着称为近场波束分裂效应的新挑战。先前的研究要么忽略了精确的近场信道模型,要么未能利用分束效应,导致宽带 XL-MIMO 的信道估计精度较差。为了解决这个问题,本文提出了一种基于双线性模式检测(BPD)的方法来准确恢复宽带 XL-MIMO 信道。具体来说,通过分析近场宽带信道的特性,我们首先揭示了近场分束效应的双线性模式,这意味着近场信道在角度域和距离域的稀疏支持集可以表示为被视为针对频率的线性函数。然后,受经典同时正交匹配追踪技术的启发,我们使用双线性模式来估计所有频率下每个近场路径分量的到达角(AoA)和距离参数。这样,整个宽带XL-MIMO信道就可以通过压缩感知算法来恢复。此外,我们还提供了所提出算法与现有算法相比的计算复杂度。最后,仿真结果表明,该方案能够在存在近场分束效应的情况下实现近场宽带XL-MIMO信道的准确估计。

这篇关于MIMO和RIS的一些学习的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/972163

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

Node.js学习记录(二)

目录 一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管 二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀 四、中间件