AI 赋能的混合 MIMO 波束成形

混合多输入多输出（MIMO）是一项极具吸引力的技术，能以可扩展且节能的方式实现面向未来无线通信的极致大规模 MIMO 系统。然而，混合 MIMO 系统将其波束成形部分在模拟域、部分在数字域实现，这使得其波束方向图的优化比传统全数字 MIMO 更具挑战性。因此，近年来利用数据驱动的人工智能（AI）工具进行混合波束成形设计引起了日益增长的兴趣。本文综述了利用数据改进实时混合波束成形设计的候选策略。我们讨论了架构约束并刻画了混合波束成形优化的核心挑战。随后我们展示了这些挑战如何通过传统优化处理，并识别出不同的 AI 辅助设计方法。这些方法可大致分为纯数据驱动的深度学习模型，以及将 AI 与经典优化相结合的多种深度展开（deep unfolding）技术。我们给出了现有方法间的系统性比较研究，包括数值评估与定性度量。最后，我们提出了将 AI 引入混合 MIMO 系统相关的未来研究机遇。