照亮路径：5G NR 系统中的注意力辅助波束赋形与预测洞察
摘要
人工智能的最新进展近期影响了无线通信领域，包括 5G 新型无线电系统中的波束管理。AI 驱动的模型和算法正被应用于通过利用实时和历史数据来增强波束选择、预测和细化等任务，这些方法在复杂信道条件下的移动性问题上显示出令人鼓舞的结果，与传统方法相比效果更佳。5G 中的波束管理指的是确保基站与用户设备之间实现最佳对齐，以实现有效的信号传输和接收的过程，这一过程基于实时信道状态信息和用户位置。本研究利用准确的波束预测来识别更小的波束子集，从而构建更高效、更简洁且具备链路适应性的通信系统。本文提出的创新方法引入了一种精确的基于注意力的预测模型，可推导整个商业级 5G 系统中的下行传输链。预测的下行波束专为处理非直线视距环境中已知的高维信道动力学和散射引起的信号变化而设计。这种新方法标志着在利用环境和信道动力学方面实现范式转变，与传统波束管理方法形成鲜明对比，后者涉及复杂的方法来预测最佳波束。所呈现的波束预测结果在应对信号色散环境所带来的挑战方面表现出稳健性，展示了在移动场景中的巨大潜力。
引用
@article{arxiv.2505.18160,
title = {Illuminating the Path: Attention-Assisted Beamforming and Predictive Insights in 5G NR Systems},
author = {Dino Pjanić and Guoda Tian and Andres Reial and Xuesong Cai and Bo Bernhardsson and Fredrik Tufvesson},
journal= {arXiv preprint arXiv:2505.18160},
year = {2025}
}
备注
In this paper, we employ an attention-driven ML/AI model to address both short- and long-term beam prediction tasks in a commercial 5G NR uplink scenario. Our key contributions include demonstrating accurate beam predictions that extend beyond the coherence time, thereby overcoming the limitations of traditional techniques bounded by coherence-time constraints