毫米波通信中的波束成形学习：理论与实验验证
信息论
2020-01-01 v1 机器学习
网络与互联网体系结构
math.IT
摘要
为建立可靠、长距离的毫米波(mmWave)通信，波束成形被认为是一种有前景的解决方案。尽管波束成形可在数字域和模拟域实现，但在毫米波通信中这两种方法均受若干约束所限。例如，在毫米波系统中执行全数字波束成形需使用大量射频(RF)链，其成本高且功耗大。这促使人们寻找在使用更少RF链的同时利用大型天线阵列优势的高效方法。克服该挑战的一种途径是通过对移相器的适当配置采用(部分或全)模拟波束成形。现有关于毫米波模拟波束设计的工作要么依赖阵列内每根天线的信道状态信息(CSI)知识，要么需要较长的搜索时间(如穷举搜索)，要么无法保证最小波束成形增益(如基于码本的波束成形)。本文提出一种波束设计技术，其在保证最小波束成形增益的同时缩短搜索时间且无需CSI。关键思想源于对真实测量的观察。观察到对于给定的传播环境(如毫米波基站的覆盖区域)，主信号的方位角来自某些角度的概率可能高于其他角度。因此，可利用预先采集的测量数据构建将最可能出现的波束设计归并的波束成形码本。我们引入贝叶斯学习进行测量聚类。我们通过真实测量评估所提方案在构建码本及性能评估方面的有效性。我们证明所提方案所需的训练时间仅为穷举搜索的5%。在达到目标最小波束成形增益的同时获得了这一关键增益。
引用
@article{arxiv.1912.12406,
title = {Beamforming Learning for mmWave Communication: Theory and Experimental Validation},
author = {ohaned Chraiti and Dmitry Chizhik and Jinfeng Du and Reinaldo A. Valenzuela and Ali Ghrayeb and Chadi Assi},
journal= {arXiv preprint arXiv:1912.12406},
year = {2020}
}