基于机器学习的U2V毫米波通信三维信道建模
信号处理
2023-03-15 v1
摘要
无人机(UAV)毫米波(mmWave)技术可为未来通信网络提供灵活链路和高数据速率。通过考虑三维(3D)散射空间、3D速度、3D天线阵列尤其是3D旋转的新特征，提出了一种机器学习(ML)集成的无人机到车辆(U2V)毫米波信道模型。同时，开发了用于信道参数计算与生成的基于ML的网络。确定性参数基于简化几何信息计算，而随机参数由基于反向传播神经网络(BPNN)和生成对抗网络(GAN)生成，其中训练数据集来自大规模射线追踪(RT)仿真。此外，推导并分析了信道统计特性的理论表达式，即功率延迟谱(PDP)、自相关函数(ACF)、多普勒功率谱密度(DPSD)和互相关函数(CCF)。最后，在28 GHz典型城市场景下生成了U2V毫米波信道。生成的PDP和DPSD与基于RT的结果吻合良好，验证了所提方法的有效性。此外，先前工作中鲜有报道的3D旋转的影响可在生成的CCF和ACF中观察到，它们也与理论和测量结果一致。
引用
@article{arxiv.2109.02104,
title = {Machine Learning-Based 3D Channel Modeling for U2V mmWave Communications},
author = {Kai Mao and Qiuming Zhu and Maozhong Song and Hanpeng Li and Benzhe Ning and Boyu Hua and Wei Fan},
journal= {arXiv preprint arXiv:2109.02104},
year = {2023}
}
备注
IEEE Internet of Things Journal, early access, Mar. 2022