面向毫米波车载网络的用户关联与波束赋形的光谱感知上下文多臂臂问题
信息论
2026-03-23 v1 机器学习
math.IT
摘要
及时信道信息是车辆确定服务基站（BS）与波束矢量所必需的，但频繁估计快速衰落的毫米波信道将导致显著开销。为此，我们提出一种光谱感知Kernel化上下文上置信界限（BKC-UCB）算法，通过利用历史上下文（如车辆位置与速度）及过往观测传输速率，估计瞬时传输速率而无需额外信道测量。具体而言，BKC-UCB采用核方法将上下文映射至再现核希尔空间（RKHS），以捕捉上下文与传输速率间的非线性关系，实现线性学习。不同于将每个波束视为独立臂位，波束索引嵌入至上下文中，使BKC-UCB能够利用波束间的相关性以加速收敛。此外，嵌入事件触发的信息共享机制，使BKC-UCB仅在进行显著探索时进行信息交换，以有限的通信开销提升学习效率。
引用
@article{arxiv.2603.19285,
title = {Beam-aware Kernelized Contextual Bandits for User Association and Beamforming in mmWave Vehicular Networks},
author = {Xiaoyang He and Manabu Tsukada},
journal= {arXiv preprint arXiv:2603.19285},
year = {2026}
}