超越射频：AI赋能的多模态波束成形将如何塑造下一代（NextG）标准
信号处理
2022-04-01 v1 系统与控制
系统与控制
摘要
将人工智能与机器学习（AI/ML）方法纳入5G无线标准，有望实现自主网络行为与超低延迟重配置。然而，迄今为止的努力纯粹聚焦于从射频（RF）信号中学习。超越5G的未来标准与下一代（nextG）网络相较当前最先进的5G实现将有两项重大演进：（i）海量天线单元，数量扩展至数百乃至数千；（ii）将AI/ML引入网络重配置流程的关键路径，并可访问来自多种RF与非RF源的传感器馈送。前者实现了前所未有的“波束成形”灵活性（信号在目标接收端相干叠加），后者则赋予网络增强的态势感知能力，这是单一且孤立的数据模态所无法捕捉的。本综述对当前用于波束成形的不同方法（聚焦毫米波频段）进行了深入分析，进而有力论证了引入LiDAR、雷达、GPS等多模态非RF传感器数据以提升波束成形指向精度并降低处理时间的必要性。这一所谓的多模态波束成形理念将需要基于深度学习的融合技术，以补充当前仅依赖RF且难以在大规模天线阵列上扩展的经典信号处理方法。本综述描述了适用于多模态波束成形的相关深度学习架构，指出了计算挑战及边缘计算在此过程中的作用、数据集生成工具，最后列举了学界为实现这一变革性波束成形愿景所应解决的开放挑战。
引用
@article{arxiv.2203.16706,
title = {Going Beyond RF: How AI-enabled Multimodal Beamforming will Shape the NextG Standard},
author = {Debashri Roy and Batool Salehi and Stella Banou and Subhramoy Mohanti and Guillem Reus-Muns and Mauro Belgiovine and Prashant Ganesh and Carlos Bocanegra and Chris Dick and Kaushik Chowdhury},
journal= {arXiv preprint arXiv:2203.16706},
year = {2022}
}