无线知识驱动的大规模MIMO信道估计

大规模多输入多输出(multiple-input multiple-output, MIMO)技术能够显著提升无线通信系统的能量效率和频谱效率,其关键前提是获取精确的信道状态信息,然而导频复用造成的导频污染问题严重影响信道估计精度,成为制约大规模MIMO系统性能的核心难题.本文提出无线知识驱动的大规模MIMO信道估计模型,基于信道海图技术挖掘用户在角度域空间中的近邻关系作为无线信道知识,设计基于无线知识驱动的卷积神经网络(convolutional neural network, CNN)信道估计器(WKDCNN)提高信道估计精度.研究表明,在不同信噪比(signal-to-noise ratio, SNR)下,天线数、导频污染程度、训练集大小对所提方法的信道估计性能均有重要影响.仿真结果表明, WKD-CNN在高信噪比区域的归一化均方误差相较于传统信道估计算法、基于多层感知机(multilayer perceptron, MLP)和无信道海图知识驱动卷积网络的信道估计方法均明显降低.     

VxWorks操作系统BSP和BootLoader介绍

板级支持包(BSP)和加载器(BootLoader)是嵌入式技术应用中软硬件结合层面的一个关键环节,它的稳定运行对于整个嵌入式系统来说至关重要,而BSP向上层软件封装底层硬件的多样性也为嵌入式软件的移植提供了不可或缺的便利条件。VxWorks操作系统在现代通信产品嵌入式操作系统市场上占有较大市场份额。文章就VxWorks操作系统的BSP和BootLoader进行了详细的阐述,并介绍了一个修改实例。