Feb, 2020

毫米波车联网中基于移动性和阻塞感知的通信

PDF
TL;DR本文提出了一种自适应设计的方法来减少车联网在毫米波频段操作时遇到的性能退化问题，并通过时间相关性来优化吞吐量和功耗，该方法被称为 C-PBVI。
vehicular networksmillimeter-wave spectrumadaptive designtemporal correlationsconstrained point-based value iteration
发现论文，激发创造
  • 移动毫米波网络中的最优波束扫描和通讯

    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

  • 城市微蜂窝网络下毫米波车联网通信分析

    本文使用随机几何方法分析了城市微波微小细胞网络的覆盖范围，并提出了一种新方法来计算基站关联规则下的覆盖概率，得出非 Sight 基站对关联或干扰源没有太大帮助，并发现在超密集式的情况下部署主动基站不会增强覆盖。

    Feb, 2017

  • 毫米波和太赫兹波下的网络巨型 MIMO 传输：提高移动性和缓解阻塞

    本文提出了一种基于网络巨型多输入多输出信号传输的方案，用于解决毫米波和太赫兹带宽下行传输中的移动性和堵塞问题，其包括对信道多普勒和延迟散射效应的处理和对基站的优化，通过符合信道状态信息最大化网络总速率来实现。数值结果表明，该方案有效地减轻了毫米波和太赫兹带宽下的堵塞效应和提供了移动性增强。

    May, 2020

  • 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

  • 高移动毫米波系统的深度学习协同波束成形

    本文提出一种整合了机器学习和协调波束成形技术的解决方案，以克服毫米波系统中窄波束的使用以及高度移动用户在基站之间切换等挑战，并支持高度移动的毫米波应用，同时实现可靠的覆盖、低延迟和可忽略的训练开销。

    Apr, 2018

  • 毫米波蜂窝网络最优移交决策的 MDP 模型

    本文提出了一种基于 Markov 决策过程的移动网络小区选择算法，针对 mmWave 频段信道状态的不稳定性进行了优化，模拟结果表明该算法提升了网络容量和服务质量。

    Jul, 2015

  • 毫米波车联网中基于位置的在线压缩波束码本学习

    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

  • 毫米波波束跟踪和训练的学习和适应性：双时间尺度变分框架

    本文提出了一个学习和适应框架，使用长期和短期两种时间尺度学习和优化自适应波束跟踪和训练，利用深度递归变分自编码器和部分可观察马尔可夫决策过程生成一种概率预测的最强波束对，从而在毫米波车载网络中实现低开销，近乎最优的频谱效益。

    Jun, 2021

  • 多用户毫米波大规模 MIMO 系统的波束训练和分配

    本文研究了多用户毫米波巨型多输入多输出系统的波束训练和分配问题，提出了一种基于正交导频的波束训练方案和一种基于质量服务的波束分配方案，同时还针对波束训练开销的问题，提出了两种新的方案。通过模拟实验，证实了所提出的方法可以有效的增强系统性能。

    Jan, 2019

  • 毫米波车载系统中的波束训练：机器学习解耦波束选择

    使用基于代码本的波束选择和机器学习的位置辅助方法，解耦用户设备（UE）和基站（BS）之间的波束选择，通过可用位置信息降低波束选择开销。模拟结果表明，具有可用位置信息的解耦波束选择与基站的联合波束对选择性能相当，而无位置信息的解耦波束选择在足够的波束对扫描时，接近于基站的波束对选择性能。

    Apr, 2024