基于深度学习的位置感知60 GHz毫米波波束赋形用于V2V通信

波束赋形技术被认为是通过采用大型天线阵列并制定窄波束来补偿毫米波（mmWave）通信中严重路径损耗的关键技术。然而，对于高效链路配置的准确波束对齐，传统的波束选择方法主要依赖于信道状态信息，通常会造成显著的延迟和计算开销，在像高度动态场景这样的车联网对车联网（V2V）通信中往往不可行。相比之下，利用驾驶位置信息等带外上下文信息可能是一种降低此类开销的潜在替代方案。本文提出了一种基于深度学习的解决方案，用于利用车辆位置信息预测具有足够毫米波接收功率的 optimal 波束，以确保最佳V2V视线链路能够主动获得。在对所提出方案在真实世界测量的毫米波感知和通信数据集上进行实验评估后，结果表明，该方案在平均情况下可实现84.58%的接收功率，这确认了该方案在60 GHz使能的V2V通信中，毫米波波束赋形具有巨大的前景。