面向鲁棒毫米波NOMA系统的视觉辅助用户聚类
信息论
2022-09-23 v2 math.IT
摘要
当在毫米波频段工作时，用户信道高度相关，这可在毫米波NOMA系统中被用于将对一组“相关”用户进行聚类。确定待聚类的用户集合极大地影响NOMA系统的可行性。通常，仅使用信道状态信息（CSI）来做出这些聚类决策。当在获取最新且准确的CSI方面出现任何问题时，由于其对于CSI的强依赖性，用户聚类将无法正常运行，显然这将对NOMA系统的鲁棒性产生负面影响。为提高NOMA系统的鲁棒性，我们提议利用诸如位置感知与配备摄像头的基站（CBSs）等新兴趋势，其不需要任何额外的射频资源消耗。具体而言，我们探索CBS可获益于以解决用户聚类问题的三种不同反馈维度，即基于CSI的反馈与不包含CSI的反馈，后者由用户设备（UE）位置与CBS摄像头馈送组成。我们首先研究CBS的视觉辅助如何能与其他反馈维度结合以在不同场景中做出聚类决策。随后，我们提供一个简单的用户案例研究以说明如何在毫米波NOMA系统中实现视觉辅助用户聚类以提升鲁棒性，其中基于CBS捕获的图像训练了一个深度学习（DL）波束选择算法来执行NOMA聚类。我们证明，无CSI的用户聚类可达到与基于准确CSI的方案相当的性能，并且即使在CSI严重过时或完全不可用的场景中，用户聚类也能继续运作而性能损失不大。
引用
@article{arxiv.2205.14716,
title = {Vision-Assisted User Clustering for Robust mmWave-NOMA Systems},
author = {Aditya S. Rajasekaran and Hamza U. Sokun and Omar Maraqa and Halim Yanikomeroglu and Saad Al-Ahmadi},
journal= {arXiv preprint arXiv:2205.14716},
year = {2022}
}
备注
Accepted in the Proceedings of IEEE Future Networks World Forum (IEEE FNWF 2020)