实体
TR 38.901
TR 38.901
PulseAugur coverage of TR 38.901 — every cluster mentioning TR 38.901 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
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
-
深度学习框架优化三混合MIMO预编码，提升无线效率
研究人员开发了一个名为Tri-PNet的新型深度学习框架，用于优化无线通信系统中的多用户MIMO预编码。该框架将电磁（EM）可重构天线与传统的混合模拟数字预编码相结合，创建了一个“三混合”系统，显著提高了频谱效率。Tri-PNet利用了结合了卷积神经网络和Transformer的Conformer架构，以联合学习电磁、模拟和数字预编码策略。与现有方法相比，该系统表现出优越的性能，以显著降低的计算复杂度逼近最优解，并在信道信息不完美的情…
-
新的 SetGAN 模型在保持空间一致性的同时加速了 TR 38.901 信道生成
研究人员开发了一种物理感知、几何条件化的 SetGAN 模型，以加速 TR 38.901 信道模型的生成，这对于评估多用户无线系统至关重要。该新模型在 Sionna 参考数据上进行训练，能够比现有方法显著更快地生成这些信道，将生成时间缩短了 3.45 倍，CPU 成本降低了 6.15 倍。SetGAN 模型在保持空间一致性和准确性的同时实现了这种加速，在 UMa/NLoS 基准测试中，接收功率分布的 Wasserstein 距离为 0…