Intelligent Distributed Beam Selection for Cell-Free Massive MIMO Hybrid Precoding
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Hybrid precoding in cell-free massive MIMO (CF-mMIMO) faces many challenges, e.g., large cascaded beamspace and high signaling overhead. In this letter, we propose a two-stage distributed beam selection for CF- mMIMO hybrid precoding. Each base station (BS) first learns an efficient beamspace compression with a deep neural network (DNN) from the local received signal strength indicator (RSSI), based on which good beam-selection labels are obtained with a proposed potential game algorithm. By learning the mapping from local RSSI to the corresponding label, a DenseNet-based online local beam selection can be realized at each BS. Simulations verify the effectiveness of our proposed scheme.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Intelligent Distributed Beam Selection for Cell-Free Massive MIMO Hybrid Precoding
- Date Crossref
- 01/11/2023
- Éditeur
- Institute of Electrical and Electronics Engineers (IEEE)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Southeast University National Mobile Communication Research Laboratory pays non établi dans la noticeUniversité ou école supérieure
-
Purple Mountain Laboratories pays non établi dans la noticeStructure de recherche
National Mobile Communication Research Laboratory — Southeast University et Purple Mountain Laboratories.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.