基于深度学习的毫米波车载网络波束对齐
信号处理
2019-11-13 v2
摘要
毫米波信道展现出结构，使得波束对齐所需的信道测量少于穷举波束搜索。从压缩感知（CS）视角看，接收到的信道测量通常通过将CS矩阵与信道矩阵的稀疏表示相乘获得。然而，由于模拟处理施加的约束，设计能有效利用信道结构的CS矩阵具有挑战性。在本文中，我们提出一种端到端深度学习技术来设计结构化的CS矩阵，该矩阵适合底层信道分布，同时利用车载信道中出现的稀疏性和特定空间结构。用所设计CS矩阵获取的信道测量随后被用于预测用于链路配置的最佳波束。针对车载通信信道的仿真结果表明，我们基于深度学习的方法比使用基于随机相移设计的的标准CS技术实现了更好的波束对齐。
引用
@article{arxiv.1910.11402,
title = {Deep learning-based beam alignment in mmWave vehicular networks},
author = {Nitin Jonathan Myers and Yuyang Wang and Nuria González-Prelcic and Robert W. Heath},
journal= {arXiv preprint arXiv:1910.11402},
year = {2019}
}
备注
submitted to IEEE ICASSP 2020