本论文提出使用机器学习策略 Bayesian optimization 来有效解决毫米波通信中非常狭窄的波束对准问题，提高信道的谱效率并减小了通信的开销。

Jul, 2022

该论文研究了大型天线阵列下的毫米波通信技术。通过自适应序列优化天线束成形向量，以改善信号衰减和干扰问题，提出了一种新的自适应序列对齐算法，其搜索时间与性能无噪声双分搜索相匹配。与之前的解决方案相比，该算法在低信噪比（-10dB 至 5dB）的情况下得到了明显的通信速度提升，完成了独立的毫米波通信的首次演示。

Dec, 2018

本文提出一种基于分层结构的波束对准算法 (HBA) 来降低毫米波通信系统中波束对准所需时间，该算法将波束对准问题转化为了随机多臂老虎机问题，并利用波束间的相关性来加速波束对准过程，同时通过加入信道波动先验知识来进一步加快波束对准过程。理论分析表明，该算法渐近优越。大量模拟实验表明，该算法能够在多径信道中高概率地确定最优波束，并将波束对准时间从几百毫秒降至几毫秒，比 IEEE 802.11ad 中现有的波束对准方法更为高效。

Sep, 2019

本文提出了一种基于角度信息和在线学习算法的压缩感知编码本学习框架，有效地获得通道测量值并提供快速波束对准的解决方案。

May, 2020

本文介绍了基于循环神经网络 (RNN) 的自适应方法，用于跟踪和预测给定用户终端的离角 (AoD)，提出了改进的帧结构来减少波束对准开销，从而达到更高的通信速率。

Aug, 2021

提出了一种一维行动模型，其中移动用户（MU）通过毫米波与路边的基站（BS）通信。基站通过扩大传输束来补偿位置不确定性，当达到关键光束宽度时，它执行光束扫描来细化 MU 位置估计，然后进行窄束通信，并计算出平均速率和平均传输功率，提出了一种最大化平均速率的最优设计的优化光束宽度，扫描光束数量和传输功率分配。与 IEEE 802.11ad 标准的自适应相比，该方案表现出高达 90% 的频谱效率降级。

Jan, 2018

研究了毫米波通信中存在的空间宽带效应问题，提出了适用于毫米波大规模 MIMO-OFDM 系统的通道估计方案，可以从各个角度得到更高精度的频率参数和时域参数，进而通过下行链路进行更简易而准确的通道估计

Mar, 2019

利用多臂老虎机的前置探索方法，提出了一种基于自相关和异方性的快速 beam 对齐算法，通过聚类后对 beam 集合中的 beam 进行快速对齐。该算法在毫米波通信系统中，具有显著优越性。

Oct, 2022

本文研究单用户多波束并行传输技术在未来毫米波（mmWave）网络中的应用，提出一种空间频谱重用的多输入多输出（MIMO）波束空间技术，探讨并解决了多波束选择、协作波束跟踪、多波束功率分配和同步等问题，理论和数值结果表明，该技术大大提高了 MTX 和 MRX 之间传输的可达速率，同时保持了连通性。

Apr, 2017

本文提出了一种基于无监督学习的方案，用于同时设计多用户 Mu-MIMO 系统的模拟前置器和合成器，并结合低分辨率 PS。通过将模拟前置器和合成器的设计问题转换为相位分类问题，并提出一种泛化神经网络体系结构 (PCNet)，能够产生各种 PS 分辨率的解，仿真结果表明，该方案相对于对于最常用的低分辨率 PS 配置的最先进的混合波束成形设计具有更优越的总速率和复杂度性能。

Feb, 2022