研究人员开发了格拉姆-切比雪夫神经网络算子（GCNO），这是一种用于压缩无线信道反馈的新型基于物理的方法。与将信道矩阵视为图像并使用固定长度代码的现有神经压缩器不同，GCNO仅识别并报告主要的传播路径。这种可变速率压缩器在没有路径标签的情况下进行训练，并允许基站进行分析性信道重建，在准确性和适应天线数量变化方面优于当前的神经反馈方法。 AI
影响 这种基于物理的信道压缩方法可以通过减少信道反馈的开销来提高无线通信系统的效率。
排序理由 该集群包含一篇详细介绍无线信道压缩新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=0.7]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
