真实毫米波系统中雷达辅助的主动阻塞预测

毫米波（mmWave）与亚太赫兹通信系统主要依赖收发机之间的视距（LOS）链路。然而，这些高频 LOS 链路对阻塞的敏感性挑战了这些通信网络的可靠性与时延要求。在本文中，我们提出利用雷达传感器提供关于周围环境与移动物体的感知信息，并借助该信息在链路阻塞发生前主动预测未来的链路阻塞。其动机在于雷达传感器的低成本、高效捕获重要特征（如移动散射体（候选阻塞物）的距离、角度、速度）的能力，以及以相对较高速度捕获雷达帧的能力。我们形式化了雷达辅助主动阻塞预测问题，并基于经典雷达目标跟踪与深度神经网络为该问题开发了两种解决方案。这两种方案旨在利用领域知识及对阻塞预测问题的理解。为准确评估所提方案，我们基于 DeepSense 框架构建了一个大规模真实世界数据集，收集了超过 $10$ 千个数据点及多种阻塞物体（车辆、自行车、行人等）的共存雷达与 mmWave 通信测量数据。基于该数据集的评估结果表明，所提方法能在阻塞发生前 $1$ 秒预测未来阻塞，其 $F_1$ 分数超过 $90\%$（且准确率超过 $90\%$）。这些结果等凸显了未来无线 mmWave 与太赫兹通信系统中阻塞预测与可靠性增强的一种有前景的解决方案。