视觉辅助波束跟踪：探索相机图像与深度学习的恰当使用
机器学习
2021-10-01 v1 计算机视觉与模式识别
摘要
我们研究在毫米波频段借助相机图像辅助的无线波束跟踪问题。具体地，基于用户所使用的波束索引以及轨迹中拍摄的相机图像，我们预测接下来几个时隙的最优波束索引。为解决该问题，我们首先重构 [1] 中的“ViWi”数据集以消除图像重复问题。随后我们开发了一种深度学习方法，并研究各种模型组件以实现最佳性能。最后，我们探索是否、何时以及如何利用图像以获得更好的波束预测。为回答该问题，我们根据波束序列的标准差将数据集划分为三个簇——类视距（LOS）、轻度非视距（light NLOS）和严重非视距（serious NLOS）。通过实验我们证明使用图像确实有助于波束跟踪，尤其是当用户处于严重 NLOS 时，且该方案依赖于精心设计的训练数据集。一般而言，包含类 NLOS 数据训练模型无益于 LOS 用户的波束跟踪，但包含轻度类 NLOS 数据训练模型有益于严重 NLOS 用户的波束跟踪。
引用
@article{arxiv.2109.14686,
title = {Vision-Aided Beam Tracking: Explore the Proper Use of Camera Images with Deep Learning},
author = {Yu Tian and Chenwei Wang},
journal= {arXiv preprint arXiv:2109.14686},
year = {2021}
}
备注
5 pages, 4 tables, to appear in IEEE VTC 2021-fall