HoloBeam:远场全息介质表面收发器中的最佳波束形成学习
该论文提出了一种在远距离通道模型中学习 HMT 最佳相位移位的算法,通过利用远场区域的信道增益结构,在接收信号噪声的情况下学习最佳相位移位。通过大量的数值仿真,验证了理论保证,并证明了与最新策略相比的显着收益。
Dec, 2022
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
本论文提出了一个在太赫兹信道估计中实现联邦多任务学习的方法,以提高通信效率。使用波束空间支持对齐技术进行波束分裂校正后,将信道和到达方向信息用作标签训练出 FMTL 模型。相比于传统技术,FMTL 方法提供更高的信道估计精度以及大约 25 倍的模型训练开销降低。
Jul, 2022
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
本文提出了一种新的分层波束训练方案,采用动态训练层数的方式来优化多跳太赫兹链路的性能,该方案在存在未知通道状态信息、噪声和路径损耗的情况下,通过基于多臂赌博机 (MAB) 的强化学习解决方案进行求解,模拟结果表明,相较于传统的层次式波束训练方案,该方案可以获得高达 75% 的谱效率表现提升。
Feb, 2021
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
本文研究了使用毫米波频率进行无线蜂窝通信系统的大规模天线阵列,提出了一种混合波束成形架构,该架构包含低维数字波束成形器和使用模拟相移器实现的射频波束成形器,证明了该架构可以实现任何完全数字波束成形器的性能,并提出了一种启发式混合波束成形设计方法。
Jan, 2016
我们提出了一种能够实时全息波束引导的元表面天线。通过元原子状态的具体编码,可生成可重构偶极子阵列通过辐射在需求场模式。我们提出了一种基于深度学习的方法来控制具有变化状态的点偶极天线元表面天线。我们采用了一种深度学习算法,将自动编码器与电磁散射方程相结合,以实时确定目标远场模式所需的状态。散射方程从 Born 近似中用作训练神经网络的解码器,并使用解析格林函数计算来检查 Born 近似的有效性。我们的学习算法仅需计算时间不超过 200 微秒,即可确定元原子状态,从而实现全息天线的实时操作。
Jun, 2024
本文提出了一种全息可重构智能表面,并研究其在太赫兹大规模多输入多输出系统中的应用,同时引出了全息可重构智能表面的光束模式,包括封闭环路信道估计方案以及基于压缩感知的信道估计算法。
Sep, 2020
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