基于深度学习的移动环境下毫米波通信波束跟踪
信号处理
2022-12-05 v2 信息论
机器学习
math.IT
摘要
在本文中，我们提出了一种基于深度学习的毫米波(mmWave)通信波束跟踪方法。波束跟踪通过利用探测波束发送已知符号并跟踪时变信道来维持可靠的通信链路。当用户设备(UE)的姿态快速变化时，毫米波信道也往往快速变化，从而阻碍无缝通信。因此，需要能够捕捉由设备运动引起的毫米波信道时间行为的模型来解决该问题。相应地，我们采用深度神经网络来分析时变信道与惯性传感器所获取信号中的时间结构与模式。我们提出了一种基于长短期记忆(LSTM)的模型，该模型基于 UE 端可用的一系列输入信号预测未来信道行为的分布。该信道分布被用于：1) 针对未来信道状态自适应地控制探测波束；2) 在序贯贝叶斯估计框架下通过测量更新步骤更新信道估计。我们的实验结果表明，在各种移动场景下，所提方法相较传统波束跟踪方法取得了显著的性能增益。
引用
@article{arxiv.2102.09785,
title = {Deep Learning-based Beam Tracking for Millimeter-wave Communications under Mobility},
author = {Sun Hong Lim and Sunwoo Kim and Byonghyo Shim and Jun Won Choi},
journal= {arXiv preprint arXiv:2102.09785},
year = {2022}
}
备注
23 pages, 8 figures