实体
DeepMIMO
DeepMIMO
PulseAugur coverage of DeepMIMO — every cluster mentioning DeepMIMO across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Meta-transfer learning框架提高了mmWave波束对齐效率
研究人员推出了一种新颖的元迁移学习框架MTL-BA，旨在提高无线系统中的毫米波（mmWave）波束对齐效率。该方法冻结预训练的卷积骨干网络，并选择性地元学习轻量级的Scale-and-Shift（SS）适配器以及一个分类器头。通过从现有模型进行热启动并将适应性限制在这些特定组件上，MTL-BA在不影响预测准确性的情况下，显著降低了适应和元训练成本。
-
GNN和基于分数的模型通过改进CSI来增强无线波束成形
研究人员开发了一种新颖的方法，通过利用图神经网络（GNN）和基于分数的生成模型来实现无线通信中的鲁棒混合波束成形。该方法旨在提高信道状态信息（CSI）的准确性，CSI对于波束成形至关重要，但在实际系统中获取起来通常很困难。所提出的框架包括一个用于CSI更新的GNN模型和一个用于CSI生成和去噪的基于BERT的噪声条件分数网络，实验证明其性能和鲁棒性均优于现有方法。