毫米波车载系统中的束训练：用于解耦合束选择的机器学习方法
信号处理
2024-04-18 v1 机器学习
摘要
基于信 codebook 的束选择是配置毫米波通信链路的一种方法。然而，在高度动态的车载通信系统中，重新配置发射端和接收端束对的开销会随之增加。结合位置信息和机器学习(ML)束推荐是一种降低束对选择开销的办法。本文我们发展了基于位置信息的 ML 方法，以解耦合 UE 与基站之间的束选择。我们量化了由于解耦合束选择以及从基站中 disaggregate UE 位置信息所导致的性能差距。我们的仿真结果表明，解耦合束选择且在基站端获得位置信息时，性能与在基站端进行联合束对选择相当。此外，在足够的束对被扫描后，解耦合束选择而不获取位置信息时，性能几乎接近基站端的束对选择。
引用
@article{arxiv.2404.10936,
title = {Beam Training in mmWave Vehicular Systems: Machine Learning for Decoupling Beam Selection},
author = {Ibrahim Kilinc and Ryan M. Dreifuerst and Junghoon Kim and Robert W. Heath},
journal= {arXiv preprint arXiv:2404.10936},
year = {2024}
}
备注
Submitted to IEEE BlackSeaCom 2024, 6 pages, 5 figures