一种用于毫米波通信中位置与朝向辅助的三维波束选择深度学习方法
信号处理
2021-10-14 v1
摘要
位置辅助波束选择方法已被证明是一种有效的方法，可在限制毫米波(mmWave)通信中初始接入的开销和时延的同时实现高波束赋形增益。然而，该领域大多数研究聚焦于车载应用，其中用户终端(UT)的朝向在环境中的每个位置基本固定。本文提出一种基于位置和朝向的波束选择方法，以在UT可在每个位置取任意朝向的应用中实现基于上下文信息(CI)的波束对齐。我们提出了三种不同的网络结构，具有不同数量的可训练参数，可与不同大小的训练数据集配合使用。使用专业的3维射线追踪工具生成IEEE标准室内场景的数据集。数值结果表明，所提网络优于如广义逆指纹(GIFP)方法这类CI辅助基准以及作为非CI方法的层级波束搜索。此外，与GIFP方法相比，所提基于深度学习的波束选择对训练和测试数据集中不同的视距阻塞概率表现出更高的鲁棒性，且对位置和朝向信息中的不准确性具有更低的敏感性。
引用
@article{arxiv.2110.06859,
title = {A Deep Learning Approach to Location- and Orientation-aided 3D Beam Selection for mmWave Communications},
author = {Sajad Rezaie and Elisabeth de Carvalho and Carles Navarro Manchón},
journal= {arXiv preprint arXiv:2110.06859},
year = {2021}
}
备注
30 pages, 12 figure. This article was submitted to IEEE Transactions on Wireless Communications on Oct 11 2021