基于深度学习的 LEO 卫星物联网联合信道预测与多波束预编码
信息论
2024-05-28 v1 信号处理
math.IT
摘要
低轨道（LEO）卫星物联网（IoT）是实现全局物联网的所有物（IoE）的有前景的方式，因而被广泛视为第六代（6G）无线网络的重要组成部分。然而，由于LEO卫星的高速运动，获取及时的信道状态信息（CSI）并为各种物联网应用设计有效的多波束预编码颇具挑战。为此，本文提出一种基于深度学习（DL）的联合信道预测与多波束预编码方案，适用于恶劣环境下，即高 Doppler 位移、长传播延迟和低卫星有效载荷。具体而言，本文首先设计一种基于卷积神经网络（CNN）和长短期记忆网络（LSTM）的DL信道预测方案，通过预测前一时间槽的CSI来预测当前时间槽的CSI。获得预测的CSI后，本文设计一种基于变分自编码器（VAE）的信道增强方法，用于设计基于DL的鲁棒性多波束预编码方案。最终，通过大量仿真结果确认了该方案在LEO卫星物联网环境下的有效性和鲁棒性。
引用
@article{arxiv.2405.17150,
title = {Deep Learning-based Joint Channel Prediction and Multibeam Precoding for LEO Satellite Internet of Things},
author = {Ming Ying and Xiaoming Chen and Qiao Qi and Wolfgang Gerstacker},
journal= {arXiv preprint arXiv:2405.17150},
year = {2024}
}
备注
IEEE Transactions on Wireless Communications, 2024