GPS辅助深度学习用于无人机毫米波通信的波束预测与跟踪
信号处理
2025-07-15 v2 信息论
机器学习
math.IT
摘要
毫米波（mmWave）通信为蜂窝连接的无人机（UAV）实现了高数据速率。然而，稳健的波束管理仍具有挑战性，原因在于显著的路径损耗以及无人机动态机动性可能导致无人机-基站（BS）链路不稳定。本研究提出了一种GPS辅助深度学习（DL）模型，同时预测无人机毫米波通信的当前和未来最优波束，在所有预测步骤中保持Top-1预测准确率超过70%且平均功率损耗低于0.6 dB。这些结果源于一种确保标签分布均衡的数据集划分方法、一种提取关键位置特征的GPS预处理方法，以及一种将序列位置数据映射到波束索引预测的DL架构。该模型将开销减少了约93%（仅需训练2~3个波束而非32个），并保证95%的波束预测准确率，同时确保94%~96%的预测平均功率损耗不超过1 dB。
引用
@article{arxiv.2505.17530,
title = {GPS-Aided Deep Learning for Beam Prediction and Tracking in UAV mmWave Communication},
author = {Vendi Ardianto Nugroho and Byung Moo Lee},
journal= {arXiv preprint arXiv:2505.17530},
year = {2025}
}
备注
The code implementation repository: https://github.com/ardiantovn/gpsbeam