超大规模 MIMO 系统的近场多用户波束训练
信息论
2024-03-27 v2 信号处理
math.IT
摘要
超大规模多输入多输出 (XL-MIMO) 系统通过在基站 (BS) 部署远超传统大规模 MIMO 的天线数量，能够提高频谱效率。然而，多用户 XL-MIMO 系统中的波束训练极具挑战性。为解决这些问题，我们构思了一种基于图神经网络 (GNN) 的三阶段多用户 XL-MIMO 波束训练方案。在第一阶段，仅需对每个用户测试远场宽波束，并利用 GNN 将远场宽波束的波束成形增益信息映射到每个用户的最优近场波束。此外，所提出的基于 GNN 的方案可利用相邻用户间的位置相关性，进一步提高波束训练精度。在第二阶段，提出了一种基于 GNN 输出概率矢量的波束分配方案，以解决上述用户间的波束方向冲突。在第三阶段，设计了混合 TBF 以进一步降低用户间干扰。仿真结果表明，所提方案优于基准方法的波束训练性能。此外，尽管仅需约 7% 的导频开销，所提波束训练方案的性能仍接近穷举搜索。
引用
@article{arxiv.2402.13597,
title = {Near-Field Multiuser Beam-Training for Extremely Large-Scale MIMO Systems},
author = {Wang Liu and Cunhua Pan and Hong Ren and Jiangzhou Wang and Robert Schober and Lajos Hanzo},
journal= {arXiv preprint arXiv:2402.13597},
year = {2024}
}
备注
submitted to IEEE