Resumen

Este artículo propone un procedimiento para predecir las características del canal basado en un algoritmo de aprendizaje automático (ML) y una red neuronal convolucional (CNN) bien conocidos, para canales interiores masivos de entrada múltiple y salida múltiple (MIMO) en ondas milimétricas (mmWave) tridimensionales (3D). Los parámetros del canal, como la amplitud, el retardo, el ángulo de salida azimutal (AAoD), el ángulo de salida de elevación (EAoD), el ángulo de llegada azimutal (AAoA) y el ángulo de llegada de elevación (EAoA), son generados por un software de trazado de rayos. Después de la preprocesamiento de los datos, podemos obtener las características estadísticas del canal (incluidas las expectativas y dispersiones de los parámetros mencionados anteriormente) para entrenar la CNN. Las características estadísticas del canal de cualquier subcanales en un escenario interior especificado pueden predecirse cuando la información de ubicación de

• Materias:Internet de las cosas Dispositivos móviles Ransomware Ingeniería de Telecomunicación Servidores en la nube
• Subjects:Internet of things Mobile devices Ransomware Telecommunication engineering Cloud Servers
• Palabras claves:Propone; Predicción; Características del canal; Aprendizaje automático; Red neuronal convolucional; Canales en interiores
• Keywords:Proposes; Predicting; Channel characteristics; Machine learning; Convolutional neural network; Indoor channels