基于深度学习的D2D毫米波通信中继选择

• 作者: 吴婉敏 李中捷 高伟
• 来源期刊: 中南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: D2D通信 中继选择 深度学习 卷积神经网络 能量效率
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 物理与电子信息科学
• 页码范围: 283-288
• 页数: 6页
• 分类号: TN929.5
• 字数: 4412字
• 语种: 中文
• DOI: 10.12130/znmdzk.20200311

摘要

针对毫米波(mmWave)环境下,设备到设备(D2D)直接通信链路遇到阻碍时的中继选择问题,提出一种基于深度学习的解决方案.采用卷积神经网络(CNN)框架构建能够成功决策和精确预测的智能模型,并基于能量效率最大准则,实现最优化D2D中继链路选择.仿真实验采用毫米波多天线MIMO数据集对所提模型进行了训练和测试.仿真结果表明,提出的基于深度学习的中继选择方案在吞吐量和能量效率方面优于常用的基于快速频率切换的解决方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李中捷	中南民族大学电子信息工程学院智能无线通信湖北重点实验室	15	31	4.0	4.0
2	吴婉敏	中南民族大学电子信息工程学院智能无线通信湖北重点实验室	1	0	0.0	0.0
3	高伟	中南民族大学电子信息工程学院智能无线通信湖北重点实验室	1	0	0.0	0.0