基于条件变分自编码器的射线样本生成算法
朱军 杨军 李凯 于文欣
射线追踪数据样本的缺失是造成大规模多输入多输出(Massive Multiple-Input MultipleOutput,Massive MIMO)信道特征预测出现较多预测误差较高的用户的主要原因。为了降低高误差用户数及预测误差,提出了一种基于条件变分自编码器(Conditional Variational AutoEncoder,CVAE)的射线样本生成算法来增添缺失区间的射线样本。仿真结果表明,基于所提出的算法在原有射线样本集中扩充新样本后,可将高预测误差用户数降低到原来的46.4%;完善训练集后的神经网络在降低得到信道幅值的时间开销的同时,将信道幅值预测精度提升了6.2%。