一种用于毫米波系统波束跟踪的机器学习方案
信号处理
2020-01-07 v1 机器学习
系统与控制
系统与控制
摘要
在移动系统中利用毫米波(mmWave)频率进行无线通信颇具挑战,因其需要持续跟踪波束方向。近来提出了基于信道稀疏性和/或卡尔曼滤波的波束跟踪技术,其解所采用的关于环境与设备移动性的假设在实际场景中可能不成立。本文探索一种基于机器学习的方法,在真实场景中跟踪特定路径的到达角(AoA)。具体而言,我们使用带修正代价函数的循环神经网络(R-NN)结构来跟踪AoA。我们提出了在序列数据中训练该网络的方法,并基于QuaDRiGa框架的随机信道模型,在真实毫米波场景下将所提方案的性能与基于扩展卡尔曼滤波的方案进行比较。结果表明,所提方案通过降低AoA中断概率,从而减少频繁波束搜索的需求,优于基于扩展卡尔曼滤波的方法。
引用
@article{arxiv.2001.01574,
title = {A Machine Learning Solution for Beam Tracking in mmWave Systems},
author = {Daoud Burghal and Naveed A. Abbasi and Andreas F. Molisch},
journal= {arXiv preprint arXiv:2001.01574},
year = {2020}
}
备注
Presented in Asilomar 2019