基于先验低频信息深度学习辅助的毫米波波束预测
信号处理
2021-02-09 v2
摘要
波束训练的巨大开销对毫米波通信构成重大挑战。为解决此问题，波束跟踪已被广泛研究，但现有方法难以应对严重的多径干扰与非平稳场景。受非独立组网架构中低频与毫米波信道空间相似性的启发，本文提出利用先验低频信息预测最优毫米波波束，并采用深度学习提升预测精度。具体而言，周期性估计的低频信道状态信息（CSI）用于跟踪用户设备的移动，并提出定时偏移指示符以标示毫米波波束训练相对于低频 CSI 估计的时刻。同时，设计了基于长短期记忆（LSTM）网络的专用模型以实现预测。仿真结果表明，所提方案在仅需极少毫米波波束训练开销的同时，可比传统方法获得更高的波束成形增益。
引用
@article{arxiv.2011.02332,
title = {Deep Learning Assisted mmWave Beam Prediction with Prior Low-frequency Information},
author = {Ke Ma and Dongxuan He and Hancun Sun and Zhaocheng Wang},
journal= {arXiv preprint arXiv:2011.02332},
year = {2021}
}