摘要
传统的小区搜索方法在大连接、低延时等的应用场景下受到限制,因此提出了一种基于深度神经网络(deep neural network,DNN)的5G小区搜索改进算法,其专注于辅同步信号(secondary synchronization signals,SSS)的检测和优化。DNN的优势在于其能够从复杂、非线性的信号特征中学习,并根据网络状态实时调整模型参数,以适应不断变化的通信环境,可以有效克服传统算法计算量大且易受信道干扰等缺点。实验证明,相较于传统SSS检索算法,基于DNN的SSS优化检索算法具有更高的准确性和鲁棒性,有效降低了小区搜索的时间延迟和能量消耗,提升了整体网络性能。
出处
《电子产品世界》
2024年第5期63-67,共5页
Electronic Engineering & Product World
基金
国家重点研发计划项目(2022YFF0706700)。