mmWave NextG 网络的波束剖面与波束赋形建模
信号处理
2024-08-27 v1
摘要
本文提出了关于 mmWave 波束剖面的实验研究，并基于实验数据开发了波束赋形机器学习模型。我们获取的来自波束剖面和机器学习模型的数据，对广泛的网络设计问题具有价值，包括复杂动态 mmWave 网络中的网络拓扑优化、用户设备关联、功率分配和波束调度。我们使用两个商用级 mmWave 测试平台进行波束剖面测试，分别工作于 27 GHz 和 71 GHz。获取的数据用于训练机器学习模型，以估计接收端（位于发射器（基站）范围内的不同地理位置的用户设备）的下行接收信号功率和数据速率。结果显示模型具有高预测精度，均方误差低，表明该模型能够准确估计单个接收端由波束覆盖的信号功率或数据速率。该数据集和基于机器学习的波束赋形模型可助力研究者优化 mmWave 网络的各种网络设计问题。
引用
@article{arxiv.2408.13403,
title = {Beam Profiling and Beamforming Modeling for mmWave NextG Networks},
author = {Efat Samir Fathalla and Sahar Zargarzadeh and Chunsheng Xin and Hongyi Wu and Peng Jiang and Joao F. Santos and Jacek Kibilda and Aloizio Pereira da},
journal= {arXiv preprint arXiv:2408.13403},
year = {2024}
}
备注
In Proceedings of IEEE International Conference on Computer Communications and Networks (ICCCN), 2023