面向 6G 无线通信网络的视觉辅助动态阻塞预测
计算机视觉与模式识别
2020-06-19 v2 信息论
信号处理
math.IT
摘要
释放毫米波与太赫兹以下（sub-terahertz）无线通信网络的全部潜力，关键在于实现前所未有的低时延与高可靠性要求。满足这些要求的挑战部分在于毫米波与太赫兹频段信号对阻塞的敏感性。应对该挑战的一种有前景的途径是借助机器学习帮助无线网络感知其周边环境。本文尝试利用深度学习与计算机视觉实现这一点。它提出了一种主动预测动态链路阻塞的新方案。更具体地，它开发了一种深度神经网络架构，该架构从观测到的 RGB 图像序列与波束赋形向量中学习如何预测未来可能的链路阻塞。所提架构在一个公开数据集上进行了评估，该数据集代表具有多个移动用户与阻塞的合成动态通信场景。其链路阻塞预测准确率在 86% 左右，这一性能若不使用视觉数据则难以达到。
引用
@article{arxiv.2006.09902,
title = {Vision-Aided Dynamic Blockage Prediction for 6G Wireless Communication Networks},
author = {Gouranga Charan and Muhammad Alrabeiah and Ahmed Alkhateeb},
journal= {arXiv preprint arXiv:2006.09902},
year = {2020}
}
备注
The dataset and code files will be available soon on the ViWi website: https://www.viwi-dataset.net/