基于数字孪生的波束预测：能否在数字世界训练并在现实部署？

实现大规模 MIMO 系统的潜在增益需要准确估计其信道或精细调整其窄波束。然而，这通常伴随随天线数量增长的高信道获取/波束扫描开销。机器与深度学习凭借从先验观测与侧信息中学习的能力，代表了克服这些挑战的有前景途径。但训练机器与深度学习模型需要大规模数据集，在已部署系统中收集成本高昂。为应对该挑战，我们提出一种利用物理世界数字副本以降低甚至消除 MIMO 信道获取开销的新方向。在所提数字孪生辅助通信中，构建近似真实世界通信环境的 3D 模型，并利用精确射线追踪模拟站点专用信道。这些信道可进而用于辅助各类通信任务。进一步，我们提议使用机器学习逼近数字副本并降低射线追踪计算成本。为评估所提基于数字孪生的方法，我们开展聚焦于位置辅助波束预测任务的案例研究。结果表明，仅用数字副本生成数据训练的模型可在真实世界数据上取得相对良好性能。此外，少量真实世界数据点即可快速达到近最优性能，克服物理与数字世界间建模失配，并显著减少数据获取开销。