具有情境感知的毫米波系统中的波束预测：基于Cramér-Rao下界的基本极限

毫米波（mmWave）网络利用大型天线阵列和宽带宽，提供了高速数据传输和精确定位的潜力。然而，这些网络面临着显著的路径损耗和易受阻塞的挑战。在本研究中，我们深入探讨了在5G NR波束管理框架内利用情境感知进行波束预测。我们引入了一个基于Cramér-Rao下界的分析框架，能够量化几何反射器的6D位置相关信息。这包括3D位置和3D方向偏差，有助于准确确定每个反射器或候选波束可实现的波束赋形增益。该框架使我们能够预测环境中任何给定位置的波束对齐性能，确保不间断的无线接入。我们的分析为选择最有效的波束和天线模块策略提供了关键见解，特别是在通信稳定性受到阻塞威胁的场景中。仿真结果表明，我们的方法在现有5G NR波束管理系统内接近理想的基于Oracle的解决方案的性能。