深度学习辅助的校准波束训练用于毫米波通信系统

波束训练的巨大开销给毫米波(mmWave)无线通信带来了重大挑战。为解决此问题,本文提出一种基于宽波束的训练方法,根据信道功率泄漏来校准窄波束方向。为处理信道功率泄漏复杂的非线性特性,利用深度学习直接预测最优窄波束。具体而言,提出了三种深度学习辅助的校准波束训练方案。第一种方案采用卷积神经网络(CNN),基于宽波束训练的瞬时接收信号实现预测。我们还根据预测概率执行额外的窄波束训练以进一步校准波束方向。然而,第一种方案仅依赖一次宽波束训练,缺乏对噪声的鲁棒性。为解决该问题,第二种方案采用长短期记忆(LSTM)网络跟踪用户移动,并根据先前波束训练的接收信号校准波束方向,以增强对噪声的鲁棒性。为进一步降低宽波束训练开销,我们的第三种方案——一种自适应波束训练策略——根据先前的接收信号选择部分宽波束进行训练。设计了两种准则,即最优邻域准则和最大概率准则,用于选择。此外,为处理移动场景,引入辅助LSTM以更精确地校准所选宽波束的方向。仿真结果表明,与传统的和现有的基于深度学习的方案相比,我们提出的方案以更小的波束训练开销实现了显著更高的波束成形增益。