基于元学习的多臂老虎机算法用于5G和6G网络中的波束跟踪
机器学习
2025-12-08 v1
摘要
具有多个天线元素的波束成形天线阵列能够实现下一代5G和6G网络中的更高数据速率。在当前实践中，模拟波束成形使用预配置的波束码表，其中每个波束都指向特定方向，波束管理功能持续选择针对移动用户设备(UE)的最优波束。然而，大型波束码表以及由反射或阻塞引起的效应会使最优波束选择变得具有挑战性。与此前的工作和标准化努力不同，后者采用监督式学习来训练分类器，以基于之前选择的波束预测下一个最佳波束，我们将问题建模为部分可观测马尔可夫决策过程(POMDP)，将环境建模为波束码表。在每个时间步，我们根据不可观测最优波束的信念状态以及之前探测到的波束选择一个候选波束。这将波束选择问题框架化为一个在线搜索程序，用于定位移动的最优波束。与此前的工作不同，我们的方法能够处理新出现的或不可预见的轨迹以及物理环境的变化，并以数量级优于先前工作。
引用
@article{arxiv.2512.05680,
title = {Meta-Learning Multi-armed Bandits for Beam Tracking in 5G and 6G Networks},
author = {Alexander Mattick and George Yammine and Georgios Kontes and Setareh Maghsudi and Christopher Mutschler},
journal= {arXiv preprint arXiv:2512.05680},
year = {2025}
}