场景化毫米波特征选择和波束预测算法

摘要

为减少毫米波波束训练的时间和功耗开销，提出了一种基于通信场景的波束特征选择和预测算法。首先，根据功率损耗概率最小化准则选择最优特征波束，并利用最优波束概率生成特征波束集(波束索引的子集)。其次，为了获得通信场景的最优波束概率，采用基于局部学习的特征选择聚类算法(LLC-fs)。最后，由于场景化特征波束集与最优波束之间为隐式、非线性映射关系，利用了DNN模型逼近该映射，进而使用离线训练模型实现从特征波束集到最优波束的预测。仿真结果表明，使用离线训练场景化DNN模型即可在线预测最优毫米波波束。预测性能可以逼近穷举波束搜索算法，并有效减小波束搜索的开销。

关键词

波束预测 / 波束训练 / 深度神经网络 / 特征选择 / 毫米波通信

基金资助

国家自然科学基金(61871321,62071377)