面向波束管理的深度学习：现状、机遇与挑战
信息论
2021-12-14 v2 math.IT
摘要
受益于巨大的带宽资源，毫米波（mmWave）通信为下一代无线网络提供了最有前景的技术之一。为补偿毫米波信号的高路径损耗，基站和用户设备均需配备大规模天线阵列以建立定向波束赋形，其中采用波束管理来获取并跟踪具有最大接收功率的最优波束对。自然地，为实现高波束赋形增益需要窄波束，但这带来了巨大的训练开销和对阻塞的高敏感性。作为补救，深度学习（DL）可被用于波束管理。首先，综述当前最先进水平，随后讨论相关挑战与未来研究机遇。最后我们通过强调相关的 DL 设计见解与新型波束管理机制作结。
引用
@article{arxiv.2111.11177,
title = {Deep Learning for Beam-Management: State-of-the-Art, Opportunities and Challenges},
author = {Ke Ma and Zhaocheng Wang and Wenqiang Tian and Sheng Chen and Lajos Hanzo},
journal= {arXiv preprint arXiv:2111.11177},
year = {2021}
}
备注
Submitted to IEEE