基于联邦元学习的毫米波通信系统波束选择算法

摘要

针对毫米波通信系统下行波束管理问题，提出一种基于深度神经网络的波束选择算法。将用户的位置和方向信息作为神经网络的特征进行学习，以提升波束的利用效率并降低波束选择开销。针对数据驱动型神经网络泛化性能差、难以适应不断变化的通信环境等问题，引入联邦元学习算法对基于神经网络的波束选择方法进行优化，通过学习元特征获取最优的初始化参数模型，以适应新环境的变化。仿真结果表明，相较于传统的迁移学习和深度学习，提出的波束选择方法在迁移到新场景时，仅需要少量的训练轮次即可达到理想的预测性能，极大地提升了模型的泛化能力和学习能力。

关键词

毫米波通信 / 波束选择 / 深度神经网络 / 元学习