波束学习——利用机器学习寻找波束方向
信号处理
2019-06-12 v1 信息论
math.IT
摘要
波束赋形是毫米波频段无线通信的关键使能技术。802.11ad 和 WiGig 是目前通过波束赋形技术使用 60 GHz 免许可毫米波频谱的无线技术。5G 系统很可能被考虑用于 60 GHz 免许可频谱（以及其他免许可频段）的部署，因此必须与 802.11ad 和 WiGig 共存。3GPP 正朝着实现这一目标迈进，相关标准化工作正在进行中。实现这种共存的第一步是找到无干扰方向，即识别使用这些现有技术的节点正在通信的方向，并从后续通信中排除这些方向。这种机制有助于利用空间空洞，而不是在仅有少数空间方向被现有技术使用时完全避免通信。这种机制能显著提升所提出的 5G 系统的吞吐量。然而，由于现有技术对 5G 毫米波节点可能是未知的，且其行为也可能事先未知（例如，802.11ad 使用的占空比、功率水平、CSMA 参数等对 5G 节点是未知的），这种空间方向发现必须以盲方式进行。本文使用基于多臂赌博机的算法（一种机器学习算法变体），盲检测现有技术用于通信的波束方向（包括方位角和仰角，即 3D 波束赋形）。这项工作为将机器学习算法的强大能力融入 5G 免许可毫米波系统铺平了道路。数值结果表明，这些算法相比此类盲设定中常用的技术具有优越性能。
引用
@article{arxiv.1906.04368,
title = {Beam Learning -- Using Machine Learning for Finding Beam Directions},
author = {Saidhiraj Amuru},
journal= {arXiv preprint arXiv:1906.04368},
year = {2019}
}
备注
This paper is an extension of the ICC 2017 paper titled "Beam Learning". It was written before the onslaught of deep learning techniques