面向智能反射面辅助毫米波网络的机器学习赋能波束管理
信号处理
2020-03-04 v1
摘要
近来,智能反射面(IRS)辅助的毫米波网络正在兴起,其有望以更具成本效益的方式解决毫米波(mmWave)通信的阻塞问题。具体而言,IRS由无源可编程电磁单元构成,可通过合理的基站-IRS联合传输设计,将毫米波传播信道调控至无阻塞的更有利状态。然而,IRS与毫米波基站(BS)的共存使网络架构复杂化,从而对高效波束管理(BM)这一高性能毫米波网络的关键前提提出了巨大挑战。本文系统评估了IRS辅助毫米波网络波束管理的关键问题与挑战,以期为未来网络设计提供洞见。具体地,我们细致分类并讨论了传统毫米波现有BM向IRS辅助新范式扩展的可行性与局限。此外,我们提出了一种新颖的机器学习赋能BM框架,并给出代表性示例,该框架通过处理环境与移动性感知,以显著降低的系统开销实现高效BM。最后,还给出了若干有趣的未来方向以启发进一步研究。
引用
@article{arxiv.2003.01306,
title = {Machine Learning Empowered Beam Management for Intelligent Reflecting Surface Assisted MmWave Networks},
author = {Chenglu Jia and Hui Gao and Na Chen and Yuan He},
journal= {arXiv preprint arXiv:2003.01306},
year = {2020}
}