计算机视觉辅助的真实世界毫米波部署中的链路阻塞预测

本文首次对使用视觉（RGB相机）数据和机器学习在动态毫米波（mmWave）链路阻塞发生前主动预测其发生进行了真实世界评估。主动预测视距（LOS）链路阻塞可使毫米波/亚太赫兹网络在链路失效前做出主动网络管理决策，例如主动波束切换与切换（hand-off），从而显著提升网络可靠性与时延性能，并高效利用无线资源。为在实际中评估该增益，本文（i）开发了一种基于计算机视觉的方案，处理部署在基础设施节点上的相机所捕获的视觉数据；（ii）基于包含多模态感知与通信数据的大规模真实世界数据集 DeepSense 6G，研究了所提方案的可行性。根据所采用的真实世界数据集，所开发的方案在预测未来 $0.1$s 内发生的阻塞时达到约 $\approx 90\%$ 的准确率，对未来 $1$s 内发生的阻塞达到约 $\approx 80\%$ 的准确率，这凸显了其为毫米波/亚太赫兹通信网络提供一种前景广阔的解决方案。