面向移动用户下行链路传输的基于深度强化学习的 Dolph-Tschebyscheff 波束成形
信号处理
2025-02-04 v1 机器学习
摘要
随着 AI 技术在下一代通信系统中的出现，机器学习因其在动态环境中解决高维、非平稳优化问题同时保持计算效率的能力而扮演着关键角色。其中一个应用是通过基于学习的盲波束成形技术实现定向波束成形，该技术利用基站已获取的用户设备射频（RF）指纹，无需额外的硬件或信道与角度估计。然而，随着用户数量和天线维度的增加，问题复杂性随之扩大，学习过程变得愈发具有挑战性，基于学习的方法的性能无法匹配最优解。在这种场景下，我们提出了一种基于深度强化学习的盲波束成形技术，该技术使用可学习的 Dolph-Tschebyscheff 天线阵列，能够改变其波束方向图以适应移动用户。我们的仿真结果表明，所提出的方法能够支持非常接近最佳可能值的数据速率。
引用
@article{arxiv.2502.01278,
title = {DRL-based Dolph-Tschebyscheff Beamforming in Downlink Transmission for Mobile Users},
author = {Nancy Nayak and Kin K. Leung and Lajos Hanzo},
journal= {arXiv preprint arXiv:2502.01278},
year = {2025}
}