数据驱动与模型驱动探测束以及束预测器的联合优化
信息论
2024-09-30 v1 信号处理
math.IT
摘要
毫米波(mmWave)通信中的层次搜索在动态环境下会产生显著的束训练开销和延迟，尤其是对于频繁的信道变化尤为不利。深度学习驱动的束预测被认为可以显著缓解开销和延迟，高效地利用特定场所的信道先验。在本工作中，我们提出联合优化数据驱动和模型驱动探测束模块和级联数据驱动束预测器，需注意探测束和通信束受限于均匀平面阵列的流形空间和相位调制器的量化限制。首先，探测束模块使用复杂值神经网络感知 mmWave 信道，并输出探测束的相应 RSRP 值。其次，束预测器估计整个束空间中的 RSRP 值，以最小化预测交叉熵，并选择最大 RSRP 值用于数据传输的束。此外，我们提出向相位变量中添加噪声，以抵消量化误差。仿真结果表明我们提出的方案有效。
关键词
引用
@article{arxiv.2409.18429,
title = {Joint Optimization of Data- and Model-Driven Probing Beams and Beam Predictor},
author = {Tianheng Lu and Fan Meng and Zhilei Zhang and Yongming Huang and Cheng Zhang and Xiaoyu Bai},
journal= {arXiv preprint arXiv:2409.18429},
year = {2024}
}