面向无人机通信的位置感知预测波束赋形：一种深度学习方法
信号处理
2020-09-17 v1 信息论
math.IT
摘要
由于无人机（UAV）具有高移动性和机动性，能够适应不同应用的异构需求，无人机辅助通信成为实现超越第五代（5G）无线网络的颇具前景的技术。然而，无人机的运动给无人机与地面用户设备（UE）之间的精确波束对准带来了挑战。在本信中，我们提出一种基于深度学习的地点感知预测波束赋形方案，用于在动态场景中跟踪无人机通信的波束。具体而言，设计了一个基于长短期记忆（LSTM）的循环神经网络（LRNet）用于无人机位置预测。基于预测位置，可确定无人机与 UE 之间的预测角度，以便在下一个时隙实现有效且快速的波束对准，从而保障无人机与 UE 之间的可靠通信。仿真结果表明，所提方案能够达到令人满意的无人机到 UE 通信速率，接近由理想先知辅助对准方案获得的通信速率上界。
引用
@article{arxiv.2009.07478,
title = {Location-aware Predictive Beamforming for UAV Communications: A Deep Learning Approach},
author = {Chang Liu and Weijie Yuan and Zhiqiang Wei and Xuemeng Liu and Derrick Wing Kwan Ng},
journal= {arXiv preprint arXiv:2009.07478},
year = {2020}
}
备注
4 pages, 4 figures, submitted to IEEE Wireless Communications Letters