AI驱动波束管理中用于可靠初始接入的因果波束选择
人工智能
2025-08-25 v1 信号处理
摘要
高效且可靠的波束对准是毫米波多输入多输出(MIMO)系统的关键要求，尤其是在6G及以后，其中通信必须快速、自适应且能抵御现实世界的不确定性。现有的基于深度学习(DL)的波束对准方法往往忽视输入和输出之间的底层因果关系，导致可解释性有限、泛化能力差和不必要的波束扫描开销。在这项工作中，我们提出了一种因果感知的DL框架，将因果发现集成到波束管理流水线中。特别是，我们提出了一种新颖的两阶段因果波束选择算法，用于识别波束预测所需的最小相关输入集。首先，因果发现学习一个贝叶斯图，捕捉接收功率输入与最优波束之间的依赖关系。然后，该图指导基于DL的分类器的因果特征选择。模拟结果表明，所提出的因果波束选择方法在匹配传统方法性能的同时，通过仅关注因果相关特征，将输入选择时间大幅减少了94.4%，波束扫描开销减少了59.4%。
引用
@article{arxiv.2508.16352,
title = {Causal Beam Selection for Reliable Initial Access in AI-driven Beam Management},
author = {Nasir Khan and Asmaa Abdallah and Abdulkadir Celik and Ahmed M. Eltawil and Sinem Coleri},
journal= {arXiv preprint arXiv:2508.16352},
year = {2025}
}