面向毫米波高铁通信的_bandit_启发式波束搜索方案
信息论
2018-10-16 v1 math.IT
摘要
高速列车（HST）正在全球广泛部署。为满足 HST 上的高吞吐数据传输需求，毫米波（mmWave）HST 通信已引起越来越多的关注。为实现充足的链路裕量，mmWave HST 系统采用具有大型天线阵列的定向波束成形，这导致信道估计相当耗时。在 HST 场景中，信道条件变化迅速且信道估计需频繁执行。由于每个传输时间间隔（TTI）的周期过短，无法分配足够时间用于准确信道估计，关键挑战在于如何设计高效的波束搜索方案以留出更多时间用于数据传输。受机器学习成功应用的启发，本文尝试利用当前与历史无线传播环境间的相似性。借助强化学习知识，将 mmWave HST 通信的波束搜索问题建模为多臂_bandit（MAB）问题，并提出一种 bandit 启发式波束搜索方案以尽可能减少测量次数。与流行的深度学习方法不同，所提方案无需事先收集与存储大量训练数据，从而可节省存储空间、计算时间与功耗等大量资源。此外，从后悔值角度分析了所提方案的性能。后悔值分析表明所提方案可非常快地逼近理论极限，这进一步被仿真结果所验证。
引用
@article{arxiv.1810.06150,
title = {Bandit Inspired Beam Searching Scheme for mmWave High-Speed Train Communications},
author = {Jun-Bo Wang and Ming Cheng and Jin-Yuan Wang and Min Lin and Yongpeng Wu and Huiling Zhu and Jiangzhou Wang},
journal= {arXiv preprint arXiv:1810.06150},
year = {2018}
}