Aug, 2019

用于基于深度学习的毫米波波束选择的 LIDAR 数据

PDF
TL;DR本文介绍了一种分布式架构，使用 LIDAR 数据，通过深度卷积神经网络选择一组波束，从而减少毫米波波束形成的开销，模拟结果证实 LIDAR 可以帮助配置 mmWave V2I 链路。
millimeter wave communicationlidarbeam-selectionneural networkvehicle-to-infrastructure
发现论文，激发创造
  • 利用激光雷达数据的联合 mmWave 波束选择

    本文提出一种基于联邦式激光雷达辅助的神经网络方法，通过 V2I 毫米波通信系统中的车联网协同训练以及 LIDAR 数据预处理，在降低系统复杂度的同时提高了系统性能。

    Feb, 2021

  • 基于激光雷达的毫米波车联网中的未来波束预测

    本文使用 LiDAR 数据对 mmWave 波束预测任务进行了大规模实际评估，提出了一种使用 LiDAR 数据辅助波束预测和跟踪的机器学习模型，实验结果表明，这个模型在车路基建通信场景中可以在 95% 的情况下预测出最佳波束，并且波束校准开销降低了 90% 以上。这提供了一种有前途的解决 mmWave 和太赫兹通信系统中关键波束对准挑战的方法。

    Mar, 2022

  • 毫米波车联网通信支持大规模汽车感知

    本篇论文探讨使用毫米波通信作为高带宽连接汽车的唯一可行方法，提出一种使用位置信息来应对毫米波波束对齐问题的高层次解决方案，并给出了一些仿真实验结果。

    Feb, 2016

  • 基于雷达辅助的 6G 波束预测：深度学习算法与实际演示

    本文介绍了第一次使用基于机器学习的雷达辅助波束预测在实际车联网通信场景中的应用，该应用可利用雷达传感器数据提供的关于收发位置和周边环境的信息来降低或消除毫米波和亚太赫兹的 MIMO 通信系统中波束训练的开销，实现低延迟高流动性应用。本文提出了利用雷达信号处理的领域知识来提取相关特征并将其馈入学习模型的深度学习雷达辅助波束预测方法，并使用了包含毫米波波束训练和雷达测量的大规模真实数据集 Deepsense 6G 来评估所提出的算法，结果显示所提出的算法能够在完全消除雷达 / 通信校准开销的同时达到约 90% 的前 5 个波束预测准确率，节省了 93% 的波束训练开销，这为解决毫米波 / 亚太赫兹通信系统中波束管理开销挑战开辟了一个有希望的方向。

    Nov, 2021

  • 基于 LiDAR 的实际毫米波系统移动遮挡预测

    利用激光雷达数据来实现对毫米波和太赫兹通信网络中的连接障碍的预测，分析了静态噪声簇消除算法和机器学习模型，在深感 6G 结构下的实际测试中展示了 95％的准确性，并可以通过主动切换来提高网络可靠性和延迟。

    Nov, 2021

  • 基于深度学习的车对车通信的位置感知 60 GHz 毫米波波束成型

    利用车辆位置信息的深度学习解决方案，可用于在毫米波（mmWave）60 GHz 启用的车辆对车辆（V2V）通信中实现基于波束的高效率链路配置，确保最佳的 V2V 视距链路。

    Feb, 2024

  • 搭载相机的毫米波基站：视觉辅助波束与遮挡预测

    本文研究利用视觉技术来解决毫米波通信系统所面临的无线通信难题，应用计算机视觉和深度学习技术通过直接从相机 RGB 图像和 sub-6GHz 信道中预测毫米波束和阻塞，实现了超过 90％的束选择精度和零额外时间负担的创新解决方案。

    Nov, 2019

  • HawkRover：一种自主的毫米波车载通信测试平台，具备多传感器融合和深度学习功能

    提出了一种自主、低成本的测试平台，用于收集大量共位的毫米波信号和其他传感器数据，以促进毫米波车辆通信的研究和发展。通过多模态数据融合和人工智能的应用，预计在 “连接” 的研究领域带来重大进展。

    Jan, 2024

  • 车载摄像头引导毫米波束：方法与实际车车通信示范

    该研究论文利用深度学习方法，在车辆之间的通信场景中，通过车载 360 度相机捕获的图像来预测未来的波束，实现了高达 85% 的前 5 个波束预测准确率，并显著减少波束训练的开销，展示了利用视觉实现高度移动车辆之间通信的潜力。

    Aug, 2023

  • 基于情境感知的毫米波波束预测：一种机器学习方法

    本文提供一种将机器学习工具和情境感知相结合的方法，在车辆环境中学习射总体信息（功率、最佳射总索引等），实验结果表明情境感知可以极大提高预测准确性和模型吞吐量，同时几乎不影响性能和性能损失。

    May, 2018