面向延迟敏感业务的近场 mmWave 波束管理与调度的跨层设计
信号处理
2025-11-18 v1
摘要
下一代无线网络将依赖 mmWave/亚太赫兹频谱和极大天线阵列 (ELAA)。这将使其运作进入近场区域，其中远场波束管理会失效，波束训练成本更高且需要更频繁地进行。由于 ELAA 训练和数据传输会消耗能源，且训练与服务时间之间存在权衡，因此我们提出一个跨层控制问题，将 PHY 层波束管理与 MAC 层服务耦合在内，针对延迟敏感业务。控制器决定何时重新训练以及如何积极训练（导频数量和稀疏性），同时分配发射功率，明确在导频开销、数据相位速率和能耗之间进行权衡，以降低 MAC 层帧/包的排队延迟。我们将问题建模为部分可观测马尔可夫决策过程，并采用深度强化学习求解。在具有真实近场信道、可变移动性和流量负载的仿真中，所学策略在相当于能耗的水平下超越了强大的 5G-NR 风格基线：其吞吐量比 DFT 扫频高出 85.5%，溢出率降低 78%。这些结果表明，一种面向开销感知、流量自适应的近场波束管理的实用路径正在形成，对数字孪生、空间计算和沉浸式通信等新兴低延迟、高速率下一代应用具有重要意义。
引用
@article{arxiv.2511.12470,
title = {Cross-Layer Design for Near-Field mmWave Beam Management and Scheduling under Delay-Sensitive Traffic},
author = {Zijun Wang and Anjali Omer and Jacob Chakareski and Nicholas Mastronarde and Rui Zhang},
journal= {arXiv preprint arXiv:2511.12470},
year = {2025}
}
备注
Workshop paper submitted to the AI4NextG Workshop at NeurIPS 2025