基于深度学习的毫米波系统快速精确波束赋形
信号处理
2023-09-21 v1
摘要
毫米波（mmW）设备的广泛普及引发了人们对天线阵列的浓厚兴趣。这种对阵列的兴趣源于其能将波束导向所需方向，从而提高信号功率和/或降低干扰水平。为实现波束赋形，阵列系数通常存储在查找表（LUTs）中以便后续参考。虽然LUTs可实现快速扫描，但其有限的内存大小限制了阵列可产生的波束数量。因此，接收机可能偏离主波束，从而降低接收功率并导致次优性能。在本信中，我们提出BeamShaper，一个深度神经网络（DNN）框架，可在任意期望的3-D方向实现快速精确的波束导向。与支持固定波束集的传统有限内存LUTs不同，BeamShaper利用训练好的NN模型在实时中生成任意方向的阵列系数。我们的仿真表明，BeamShaper在余弦相似度和中心角方面优于当代基于LUT的方案，所需时间尺度略高于基于LUT的方案。此外，我们展示了基于DNN的方法具有额外优势，即在使用数字移相器时更能抵御量化噪声的影响。
引用
@article{arxiv.2309.10904,
title = {Deep Learning based Fast and Accurate Beamforming for Millimeter-Wave Systems},
author = {Tarun S Cousik and Vijay K Shah and Jeffrey H. Reed Harry X Tran and Rittwik Jana},
journal= {arXiv preprint arXiv:2309.10904},
year = {2023}
}
备注
7 pages, 5 figures, accepted to Milcom2023. Not published yet(Sep 2023)