In this paper, a massive multiple-input-multiple-output (mMIMO) testbed that is capable of mimicking realistic 5G new radio (NR) base station (BS) beamforming performance has been utilised to gather experimental-based evidence of 5G BS RF-EMF exposure within a real-world indoor environment. The mMIMO testbed has up to 128 RF channels with user-programmable software defined radio (SDR) capability. The stochastic nature of the 5G NR mMIMO system has been statistically assessed by evaluating the spatial variation of the RF-EMF exposure surrounding the mMIMO testbed when taking into account different beam profiles and data rates. Several other factors that influence the RF-EMF of mMIMO system have also being considered.


翻译:在本文中,利用了能够模仿现实5G新无线电台(NR)成型性能的大型多投入-多输出试验台(MIMO)测试台,收集实验性证据,表明5G BS RF-EMF在现实的室内环境中暴露于5G BS RF-EMF, 以用户-可编程的软件界定无线电能力,MIMO测试台有多达128个RF信道, 5G NR MMIMO系统的随机性质通过评估MIMIMO试验台周围RF-EMF的暴露空间变化,同时考虑到不同的光谱和数据率,还考虑了影响MIMO系统的RF-EMF的其他一些因素。

0
下载
关闭预览

相关内容

Into the Metaverse,93页ppt介绍元宇宙概念、应用、趋势
专知会员服务
47+阅读 · 2022年2月19日
专知会员服务
53+阅读 · 2020年10月11日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2022年2月21日
Arxiv
28+阅读 · 2021年9月18日
Arxiv
15+阅读 · 2021年2月19日
VIP会员
相关VIP内容
Into the Metaverse,93页ppt介绍元宇宙概念、应用、趋势
专知会员服务
47+阅读 · 2022年2月19日
专知会员服务
53+阅读 · 2020年10月11日
相关资讯
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员