چکیده

Cell-Free massive multiple-input multiple-output (MIMO) is one of the physical layer enablers in which a large number of distributed access points (APs) simultaneously serve a small number of user equipments (UEs). Channel estimation has always been a challenging task in communication systems. Various methods have been developed so far to obtain channel state information (CSI). Not only these traditional methods suffer from high computational complexity but also they can’t achieve accurate CSI. In this paper a two-step method based on deep neural network architecture is designed in which at first the dataset of signal-to-noise ratio (SNR) in cell-free massive MIMO and cumulative distribution function (CDF) corresponding to it are collected. The dataset of the SNR and CDF are divided into the train and the test parts. The accuracy of the test data is calculated and then is used to estimate the channel.

کليدواژه ها

Cell-Free 5G Massive MIMO neural network fitting channel estimation

کد مقاله / لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :

نحوه استناد به مقاله

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
مرضیه آراسته , 1400 , تخمین کانال در سیستم های چند ورودی چند خروجی انبوه بدون سلول به کمک شبکه عصبی منطبق , پنجمین کنفرانس مهندسی مخابرات ایران