研究人员开发了一种用于 5G 和 6G 无线系统实时信道估计的相位感知卷积神经网络 (CNN)。该方法旨在克服传统方法和现有深度学习技术在准确重建信号相位方面的局限性。该 CNN 利用正弦和余弦表示进行相位感知输入编码，并采用轻量级架构，能够在边缘设备上实现稳定的相位预测和高效的实时推理。验证包括使用开放无线接入网 (O-RAN) 测试台进行硬件在环测试，与最小二乘法和 MMSE 基线相比，证明了准确性和泛化能力的提高。 AI
影响 这项研究可能为未来的 5G-Advanced 和 6G 网络带来更强大、更高效的无线通信。
排序理由 该集群包含两篇 arXiv 论文，详细介绍了无线通信系统的新技术方法。
- 5G
- 6G
- alphaXiv
- CatalyzeX
- CNN
- DagsHub
- Gotit.pub
- Hugging Face
- Javad Zolfaghari-Bengar
- least squares method
- Open Radio Access Network
- Phase-Aware CNN
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
