基于摄像头的毫米波波束预测：面向多候选真实场景

利用感知信息辅助毫米波（mmWave）与亚太赫兹（sub-THz）波束选择过程正引起越来越多的关注。这些由基站摄像头等捕获的感知数据，有潜力显著降低波束扫描开销并支持高移动性应用。然而，现有方案主要考虑单候选场景（即视觉场景中仅有一个候选用户），并使用合成数据集评估。为克服这些局限，本文深入研究了真实世界多目标车到基础设施（V2I）场景中的感知辅助波束预测问题，并提出一个全面的基于机器学习的框架。具体而言，本文提出利用视觉与位置数据预测最优波束索引，作为传统波束扫描方法的替代。为此，我们开发了一种新的用户（发射机）识别方案，这是实现感知辅助多候选与多用户波束预测的关键一步。所提方案在大规模真实世界DeepSense $6$G数据集上评估。真实V2I通信场景中的实验结果表明，所提方案在单用户场景下达到接近$100\%$的top-5波束预测准确率，在多候选场景下达到接近$95\%$的top-5波束预测准确率。此外，该方案在不同场景下能以超过$93\%$的准确率识别可能的发射候选。这凸显了在毫米波/太赫兹通信系统中近乎消除波束训练开销的一种可行途径。