Deep learning aided parametric channel covariance matrix estimation for millimeter wave hybrid massive mimo
Is this your thesis?
This record came from a bulk archive import. If it’s yours, link it to your profile.
Abstract (TR)
5G sistemlerde artan iletim hızı ihtiyaçlarını karşılamak için, önceden kullanılanlara kıyasla çok yüksek frekanslarda bulunan milimetre-dalga (mmWave) bantları kullanılmaktadır. Bu frekans bantlarında dalga zayıflaması yüksek olduğundan, çok-girdili-çok-çıktılı (MIMO) sistemlerde uzaysal korelasyonu yüksek kanallar meydana gelmektedir. İstenen başarımların elde edilebilmesi için ise kanal korrelasyonlarının sistem tarafından bilinmesi gereklidir. Bu tezde seyrek kanallar için kanal korrelasyon bilgisini içeren kanal kovaryans matrisinin (CCM) parametrik olarak kestirimi için yapay sinir ağları destekli bir yöntem önerilmiştir. Önerilen yapay sinir ağları destekli yöntem, hem hesaplama karmaşıklığı açısından hem de kestirim hatası açısından referans yöntemlere kıyasla tatmin edici başarım sergilemiştir.
Author
Esen Özbay
Institution
How to Cite
Esen Özbay (Yüksek Lisans Tezi). Deep learning aided parametric channel covariance matrix estimation for millimeter wave hybrid massive mimo, 2021, Middle East Technical University.
Keywords
License
Tüm Hakları Saklıdır
This work is shared under the specified license terms.
More theses from Middle East Technical University
- Reading the mausoleum of Augustus in Rome(2020)
- Anarchism and justice(2021)
- Constructing an Islamic society through novels -creation of collective identity and issue of participation in Islamic literature(2020)
- An R&D roadmap for Turkish defense industry(2020)
- Understanding the role of the national human rights institutions in implementing the sustainable development agenda: The case of Europe(2020)
- Routes and communications in late Roman and Byzantine Anatolia (CA. 4th-9th centuries a.d.)(2020)