感知辅助的6G无人机通信：真实数据集与实验演示

在下一代无线通信的背景下，毫米波（mmWave）和太赫兹（THz）技术因其高数据率能力而至关重要。然而，这些技术依赖大型天线阵列和狭小定向波束以确保充足的接收信号功率，带来显著的波束训练开销。在支持高度移动应用（如无人机通信）时，这种开销尤为具有挑战性，因为无人机的动态特性要求频繁波束对准以维持连接。为解决这一关键瓶颈，我们提出一种新型机器学习框架，利用包括视觉信息和位置信息在内的多模态感知数据，以加速和细化mmWave/THz波束预测。不同于仅依赖穷举波束训练方法的常规方法，我们的解决方案融合额外的上下文数据，准确预测波束方向，显著减轻训练开销。此外，我们的框架能够提前预测未来的波束对准，增强系统的响应性和可靠性，应对无人机移动性和实时处理计算延迟的挑战。这种先进的波束跟踪能力为维持高度移动无人机的无缝连接提供了关键性突破。我们通过在唯一的真实世界mmWave无人机通信数据集上的全面评估来验证了该方法，该数据集集成了同步的摄像头视觉、实际GPS坐标和mmWave波束训练数据。