5G-Advanced AI/ML 波束管理：集成 ML 模型的性能评估
信号处理
2024-10-27 v1
摘要
5G 中的传统波束管理 (BM) 流程为更大的波束码本引入了更高的测量和上报开销，导致用户设备 (UE) 的功耗增加。因此，第三代合作伙伴计划 (3GPP) 研究了在空中接口中使用人工智能 (AI) 和机器学习 (ML)，以减少与传统 BM 流程相关的开销。AI/ML 在 BM 中的应用主要围绕空间域波束预测 (SBP) 和时间域波束预测 (TBP) 进行讨论。在本研究中，我们讨论了 SBP 和 TBP 的不同子用例，并评估了为每个子用例设计的 AI/ML 模型的波束预测精度以及 AI/ML 模型的泛化方面。此外，本文在用户吞吐量方面进行了全面的系统级性能评估，将集成 AI/ML 模型应用于兼容 3GPP 的系统级仿真器。基于用户吞吐量评估，我们提出了本研究中讨论的轻量级、低复杂度 AI/ML 模型部署的 AI/ML BM 设计指南。
引用
@article{arxiv.2404.15326,
title = {5G-Advanced AI/ML Beam Management: Performance Evaluation with Integrated ML Models},
author = {Nalin Jayaweera and Andrea Bonfante and Mark Schamberger and Amir Mehdi Ahmadian Tehrani and Tachporn Sanguanpuak and Preetish Tilak and Keeth Jayasinghe and Frederick W. Vook and Nandana Rajatheva},
journal= {arXiv preprint arXiv:2404.15326},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication