Learning Site-Specific Probing Beams for Fast mmWave Beam Alignment
波束对准-找到最佳定向波束对的过程-是对毫米波(mmWave)通信系统至关重要的具有挑战性的过程。我们提出了一种新的波束对准方法,该方法学习特定于站点的探测码本,并使用探测码本测量来预测最佳窄波束。端到端的神经网络(NN)架构的设计,以联合学习探测码本和波束预测。学习的码本由特定于站点的探测波束组成,其可以捕获传播环境的特定特性。所提出的方法依赖于学习的探测码本的波束扫描,不需要额外的上下文信息,并且与5G中基于波束扫描的波束对准框架兼容。使用真实的射线跟踪数据集,我们证明了所提出的方法可以实现高波束对准精度和信噪比(SNR),同时显著降低波束扫描复杂性和延迟(在我们的设置中大约为3倍)。
2021-07-28 eess.SP
SecBeam: Securing mmWave Beam Alignment against Beam-Stealing Attacks
针对无需伪造消息的新型波束窃取攻击,提出SecBeam波束扫描协议,利用功率/扇区随机化和粗略到达角信息检测放大中继攻击,保障毫米波波束对齐安全。
2023-07-01 cs.CR eess.SP
Multi-armed Bandits for Link Configuration in Millimeter-wave Networks
由于不断变化的环境以及毫米波信号对用户移动性和信道条件的高度敏感性,建立和维护毫米波(mmWave)链路具有挑战性。毫米波链路配置问题通常涉及在环境不确定性下从系统硬件和协议支持的有限的备选方案集合中搜索最优系统参数。例如,波束扫描旨在从离散码本中识别用于数据传输的最佳波束。选择诸如波束扫描周期和波束宽度的参数对于实现高的总体系统吞吐量是至关重要的。在这篇文章中,我们鼓励使用多臂强盗(MAB)框架,以智能地搜索出最佳配置时,建立毫米波链路。MAB是一个强化学习框架,它引导决策者从一组动作中顺序选择一个动作。作为一个例子,我们表明,在MAB框架内,最佳波束扫描周期,波束宽度和波束方向可以动态学习与样本计算效率的强盗算法。最后,我们强调了一些未来的研究方向,增强毫米波链路配置设计与MAB。
2022-02-02 eess.SP
Digital Twin Aided RIS Communication: Robust Beamforming and Interference Management
针对RIS辅助无线网络信道估计开销高、传统波束扫描多用户干扰管理效果差的问题,提出利用数字孪生结合电磁3D模型与射线追踪近似信道的方法,并配套DT鲁棒传输设计,速率保障率远超波束扫描。
2024-06-19 cs.IT eess.SP math.IT
An Initial Access Optimization Algorithm for millimeter Wave 5G NR Networks
毫米波(mmWave)通信使用定向天线。因此,在初始接入阶段实现发射和接收波束的精细对准是相当具有挑战性和耗时的。在本文中,我们提供了一种基于动态权重的波束扫描方向和同步信号块(SSB)分配算法,以优化毫米波5G NR网络中初始接入的小区搜索。在每个波束扫描方向上发送的SSB的数量取决于先前学习的经验,该经验基于针对每个扫描方向的每个SSB检测到的UE(用户设备)的数量。总体而言,数值仿真结果表明,该算法被证明是能够检测到更多的用户与较低的误检测概率。此外,可以用较少数量的动态资源(即,SSB)分配,与恒定资源分配相比。
2020-02-04 eess.SP
Generative Site-Specific Beamforming for UPAs via Decoupled Channel Sensing
Shenzhen Loop Area Institution(深圳环区机构);The University of Hong Kong(香港大学)
提出一种交叉融合的生成式特定站点波束赋形框架,通过解耦信道感知策略将UPA的方位角和仰角域独立探测,将在线扫描开销从乘法复杂度降至线性,并利用双向交叉注意力编码器和条件归一化流生成器解决波束生成模糊性问题,在DeepMIMO场景中显著提升波束赋形增益并降低开销。
2026-06-23 eess.SP
Low-Complexity Multicast Beamforming for Millimeter Wave Communications
为了开发一种低复杂度的毫米波多播波束形成方法,本文首先提出了一种信道增益估计方法。我们使用波束扫描来找到最好的码字和它的两个相邻的码字,以形成一个复合波束。然后,我们估计信道增益的基础上的复合波束,这是离线计算的波束覆盖范围内的波束增益的方差最小化。在估计信道增益的基础上,提出了一种基于最大最小公平准则的多播波束形成设计方法。为了降低计算复杂度,我们将大的天线阵列分成几个小尺寸的子阵列,其中每个子阵列的大小由估计的信道增益来确定。特别是,我们引入了一个相位因子为每个子阵列探索所考虑的问题的额外的自由度。仿真结果表明,与现有方法相比,本文提出的多播波束成形设计方法在性能损失较小的情况下,能够显著降低计算复杂度。
2022-03-12 cs.IT eess.SP math.IT
Inertial Sensor Aided mmWave Beam Tracking to Support Cooperative Autonomous Driving
提出了一种基于毫米波(mmWave)的大规模多输入多输出(MIMO)车对车(V2V)通信中的惯性传感器辅助波束对准和跟踪技术。由于车辆场景中的定向通信受到波束指向问题的严重阻碍,因此必须定期执行波束对准过程以保证通信可靠性。当处理大规模多输入多输出链路时,已知波束扫描方法是耗时的,并且由于延迟约束而通常是不可行的。为了加快这个过程中,我们提出了一种方法,利用先验信息提供的阵列动态的惯性传感器上的收发器,以协助波束对准过程。所提出的惯性传感器辅助技术允许在发射时连续跟踪波束,避免频繁的重新对准阶段。基于收发器上加速度计的实际测量的数值结果表明,相对于传统的波束对准协议,V2V通信吞吐量方面有显着的增益。
2019-03-28 cs.IT eess.SP math.IT
Multi-Modality Sensing in mmWave Beamforming for Connected Vehicles Using Deep Learning
University of Massachusetts Dartmouth(马萨诸塞大学达特茅斯分校);Yeshiva University(叶史瓦大学)
本文提出基于深度学习的多模态感知方案,利用传感器数据预测毫米波最优波束,在真实数据上实现最高98.19%的预测准确率,并将波束扫描搜索空间和时间开销分别降低约79.67%和91.89%。
2025-04-08 cs.AI cs.ET cs.LG
Accurate Angular Inference for 802.11ad Devices Using Beam-Specific Measurements
由于其稀疏性,60 GHz信道的特征在于少数主导路径。知道它们的主导路径的角度信息,我们可以开发各种应用,例如链路性能的预测和802.11ad设备的跟踪。尽管802.11ad设备配备了相控阵,但由于其RF链数量有限和相位控制能力有限,因此802.11ad设备的角度干扰仍然具有挑战性。考虑到802.11ad设备的波束扫描操作和高通信带宽,我们提出了基于变分的角度估计(VAE),称为VAE-CIR,通过利用不同波束下测量的特定波束信道脉冲响应(CIR)和相应波束的方向增益来推断主导路径的角度信息。与现有技术不同,VAE-CIR利用不同波束特定CIR之间的变化而不是其绝对值来进行角度推断。为了评估VAE-CIR的性能,我们通过用在现成的802.11ad设备上测量的波束图案模拟802.11ad设备的波束扫描来生成波束特定的CIR。60 GHz信道通过光线跟踪模拟器产生,CIR通过基于Golay序列的信道估计提取。通过在各种情况下的实验,我们证明了VAE-CIR的有效性和它的优越性,现有的角度推理计划的802.11ad设备。
2019-07-24 cs.NI eess.SP
Environment-Aware Hybrid Beamforming by Leveraging Channel Knowledge Map
模拟/数字混合波束形成技术是实现毫米波(mmWave)大规模多输入多输出(MIMO)系统的一种有效方法。然而,现有的混合波束成形设计主要依赖于实时信道训练或波束扫描来找到期望的波束,这由于在发射机和接收机两者处的大量天线而仅具有有限的射频(RF)链而导致了过高的开销。为了解决这个具有挑战性的问题,在本文中,我们提出了一种新的环境感知的混合波束形成技术,只需要轻实时训练,利用有用的工具,信道知识地图(CKM)与用户的位置信息。CKM是一个特定于站点的数据库,它提供特定于位置的信道相关信息,以促进甚至加速实时信道状态信息(CSI)的获取。针对毫米波大规模MIMO系统中的混合波束形成设计,提出了两种具体的CKM算法,即信道角度图(CAM)和波束索引图(BIM)。结果表明,与现有的环境感知方案相比,基于CKM的环境感知混合波束形成方案可以大大提高有效通信速率,即使在中等的用户定位误差下,由于其极大地节省了禁止的实时训练开销.
2022-06-17 cs.IT eess.SP math.IT
Hierarchical Codebook based Multiuser Beam Training for Millimeter Wave Massive MIMO
Southeast University(东南大学);Memorial University(纪念大学);Georgia Institute of Technology(佐治亚理工学院)
针对毫米波大规模MIMO多用户波束训练问题,提出UE端带闭式表达式的交替最小化分层码本设计方法及Zadoff-Chu初始化加速方案,BS端自适应分层码本多用户同时训练方案,仿真验证其有效性且开销低于波束扫描。
2025-11-14 cs.IT eess.SP math.IT
Near-Field Beam Training Through Beam Diverging
The Chinese University of Hong Kong(香港中文大学)
本文针对近场超大规模天线阵列波束训练中扫描开销大、精度低的问题,提出利用波束发散效应,设计发散极域码本和分层方法,以少量导频实现高精度用户定位。
2025-09-19 cs.IT eess.SP math.IT
Intelligent Beamforming and Handover via Physics-Informed Beam-Aware CKM Diffusion
School of Information and Electronics, Beijing Institute of Technology(北京理工大学信息与电子学院);National Mobile Communication Research Laboratory, School of Information Science and Engineering, Southeast University(东南大学信息科学与工程学院移动通信国家重点实验室);Purple Mountain Laboratories(紫金山实验室);Department of Electrical and Computer Engineering, National University of Singapore(新加坡国立大学电气与计算机工程系)
针对6G网络中无人机下行通信的波束对齐问题,提出物理信息扩散框架BeamCKMDiff,构建连续波束感知信道知识图,实现端到端连续波束成形与主动双基站切换,在NLoS条件下提升频谱效率并消除链路中断。
2026-09-29 eess.SP
On Optimal Multi-user Beam Alignment in Millimeter Wave Wireless Systems
定向传输模式(也称为窄波束)是毫米波(mmWave)频带中的无线通信的关键,毫米波频带遭受高路径损耗和严重遮蔽。此外,毫米波频率中的传播信道仅包含少量空间集群,需要将对应的窄波束与信道集群的离开角(AoD)对准的过程。这个过程的目的,称为波束对准(BA)是为了增加后续数据通信的波束形成增益。几个现有的研究考虑优化BA过程,以实现各种目标,如减少BA开销,增加吞吐量,并降低功耗。虽然这些研究大多为单个活跃用户的场景提供了优化的BA方案,但在实际网络中通常存在多个活跃用户。因此,在BA开销和延迟方面,设计可以共同执行多个用户的波束管理的多用户BA方案是更有效的。本文考虑了一类多用户BA方案,其中基站执行角域的一次性扫描以同时定位多个用户。目标是在收到用户反馈后,最小化AoD上剩余不确定性区域(UR)的平均期望宽度。最佳性能的基本界限进行了分析,使用信息理论工具。此外,制定了波束设计优化问题,并提出了一种实用的BA方案,与5G标准中使用的波束扫描相比,该方案提供了显着的增益。
2020-05-28 cs.IT eess.SP math.IT
Analog-Only Beamforming for Near-Field Multiuser MIMO Communications
针对近场多用户 MIMO 中 HBF 依赖有效信道估计和导频开销的问题,提出基于 MM 算法的完美与不完美 CSI 两种 AoBF 方案,以接近 HBF 和速率并提升能效。
2024-12-06 cs.IT eess.SP math.IT
Digital Twin Based Beam Prediction: Can we Train in the Digital World and Deploy in Reality?
实现大规模MIMO系统的潜在增益需要精确估计其信道或微调其窄波束。然而,这通常与随着天线数量而缩放的高信道获取/波束扫描开销相关联。机器和深度学习代表了克服这些挑战的有希望的方法,这要归功于它们从先前的观察和辅助信息中学习的强大能力。然而,训练机器和深度学习模型需要大规模的数据集,在部署的系统中收集这些数据集是昂贵的。为了解决这一挑战,我们提出了一个新的方向,利用物理世界的数字副本,以减少甚至消除MIMO信道获取开销。在建议的数字孪生辅助通信,3D模型,近似真实世界的通信环境的构建和精确的光线跟踪是用来模拟特定站点的信道。然后,这些通道可以用于辅助各种通信任务。此外,我们建议使用机器学习近似的数字副本,并减少光线跟踪的计算成本。为了评估所提出的数字孪生的方法,我们进行了一个案例研究,侧重于位置辅助波束预测任务。结果表明,单独使用数字副本生成的数据训练的学习模型可以在真实世界数据上实现相对较好的性能。此外,少量的真实世界数据点可以快速实现接近最佳的性能,克服物理和数字世界之间的建模失配,并显着降低数据采集开销。
2023-01-18 cs.IT eess.SP math.IT
Efficient Near Field Beam Tracking via Thompson Sampling
University at Buffalo, SUNY(纽约州立大学布法罗分校);MediaTek Inc.(联发科)
本文提出一种无需试点的波束跟踪框架,利用汤普森采样在滑动窗口内建模用户轨迹并估计运动参数,实现可靠连接并消除专用试点波束扫描的开销。
2026-04-27 eess.SP
Beam Misalignment in 3GPP mmWave NR
本文针对3GPP毫米波NR系统中模拟波束赋形下的波束失准问题,提出分析框架,将失准率建模为泊松过程并推导关键指标,通过数值评估明确设计权衡,为波束管理提供见解。
2025-04-15 cs.NI eess.SP
Analysis of Broad Beam Beamforming for Collocated and Distributed MIMO
该研究针对MIMO宽波束成形问题,评估了DPBF在不同信道与配置下的性能,提出基于正交空时分组码的C-MIMO覆盖增强方案及分布式MIMO的DPBF方法,提升了覆盖效果。
2025-08-04 eess.SP
Towards Intelligent Millimeter and Terahertz Communication for 6G: Computer Vision-aided Beamforming
在毫米波(mmWave)频段,通过多输入多输出(MIMO)天线阵列实现的波束形成技术被广泛用于补偿严重的路径损耗。在5G NR系统中,采用波束扫描和波束细化来找出与移动台对准的最佳波束码字。由于码本的复杂握手和有限分辨率,当今基于5G的波束管理策略在数据速率、能耗以及处理延迟方面的各种场景中是无效的。本文的目的是介绍一种新型的基于计算机视觉(CV)技术的光束管理框架。在这个被称为计算机视觉辅助光束管理(CVBM)的框架中,连接到BS的摄像头捕获图像,然后基于深度学习的物体检测器识别移动设备的3D位置。由于基站可以直接设置波束方向而无需码本量化和反馈延迟,CVBM实现了显著的波束形成增益和延迟减少。使用专门设计的称为Vision Objects for Beam Management(VOBEM)的数据集,我们证明了CVBM在5G NR波束管理上实现了波束成形增益的40%以上的提高和波束训练开销的40%以上的减少。
2022-09-06 eess.SP
Unleashing Sensor-Aided Environment Awareness for Beam Management in Beyond-5G Networks: An OpenAirInterface Experimental Platform
Institute for Networked Systems, RWTH Aachen University(网络系统研究所,亚琛工业大学);Mobile Communications and Computing, RWTH Aachen University(移动通信与计算,亚琛工业大学)
本文提出基于OpenAirInterface的SDR实验平台,整合低成本天线阵列和传感器框架,用于实现实时波束管理实验和ML技术训练。
2025-11-21 eess.SP
Environment-Aware and Training-Free Beam Alignment for mmWave Massive MIMO via Channel Knowledge Map
毫米波(mmWave)大规模多输入多输出(MIMO)通信系统被期望实现巨大的传输速率,前提是发射和接收波束与MIMO信道正确对准。然而,现有的波束对准技术依赖于信道估计或波束扫描,这导致过高的训练开销,特别是对于未来的无线系统,具有进一步增加的天线尺寸和更严格的要求,对成本有效的硬件架构。在本文中,我们提出了一种新的波束对准技术,这是环境感知和培训免费,通过利用新兴的概念,信道知识地图(CKM),连同用户的位置信息,是现成的在当代无线系统。CKM是一个站点特定的数据库,标记有发射机/接收机位置,它包含有用的信道信息,以促进或甚至实时获取信道状态信息(CSI)。提出了用于毫米波大规模多输入多输出系统中的波束对准的CKM的两个实例,即信道路径图(CPM)和波束索引图(BIM)。结果表明,与现有的基于训练的波束对准方案相比,所提出的CKM使能的环境感知波束对准能够大幅提高有效通信速率,即使有适度的用户定位误差,由于其显着节省了禁止的训练开销。
2021-02-19 eess.SP
Survey on Neighbor Discovery and Beam Alignment in mmWave-Enabled UAV Swarm Networks
本文综述了毫米波使能的无人机群网络中定向通信的邻居发现与波束对齐技术,回顾比较了现有方法并讨论了关键开放问题与潜在研究方向。
2024-10-15 cs.SY eess.SP eess.SY
Beam-Brainstorm: A Generative Site-Specific Beamforming Approach
本文提出了一种生成式特定地点波束成形方法,通过联合结构建模和自定义扩散模型,实现高效且高质量的用户特定波束生成。
2026-01-05 eess.SP
DQN-based Beamforming for Uplink mmWave Cellular-Connected UAVs
无人机(UAV)是毫米波(mmWave)无线系统的新兴重要部件。精确的波束对准对于UAV与基站(BS)的高效的基于波束的毫米波通信至关重要。由于无人机的高机动性和自主操作,传统的波束扫描方法通常具有较大的开销。基于学习的方法通过利用无人机数据(如位置)来识别最佳波束方向,大大减少了开销。在本文中,我们提出了一种基于强化学习(RL)的框架,用于在毫米波环境中使用深度Q网络(DQN)进行UAV-BS波束对准。我们考虑上行链路通信,其中无人机在5G新无线电(NR)BS覆盖区域周围盘旋,具有不同的信道条件。所提出的学习框架使用的位置信息,以最大限度地提高数据速率,通过最佳的波束对有效地,在每个通信请求从无人机内部的多位置环境。我们将我们提出的框架与基于多臂强盗(MAB)学习的方法和传统的穷举方法进行了比较,并分析了基于DQN的波束对准在不同覆盖区域要求和信道条件下的训练性能。我们的研究结果表明,所提出的基于DQN的光束对准收敛速度更快,适用于不同的环境条件。该框架还可以在实时条件下以在线方式学习与穷举方法相当的最佳波束对准。
2021-10-12 eess.SP
Generative Site-Specific Beamforming via Information-Maximizing Codebook
The University of Hong Kong(香港大学)
本文提出基于信息最大化编码本和条件流匹配的生成式特定站点波束成形方法,通过减少探测波束数量实现高效高保真波束生成。
2026-02-13 eess.SP
Multi-User Beamforming with Deep Reinforcement Learning in Sensing-Aided Communication
Department of Electronic Systems, Aalborg University(电子系统系,奥胡斯大学);Department of Electrical and Computer Engineering, Aarhus University(电气与计算机工程系,奥胡斯大学)
本文针对毫米波通信中移动用户的波束漂移问题,提出基于深度强化学习的多波束动态分配方法,仅依赖感知回波优化波束管理,在无需用户反馈的情况下显著提升吞吐量并对用户速度具有鲁棒性。
2025-05-09 cs.LG cs.NI eess.SP
Energy and Latency of Beamforming Architectures for Initial Access in mmWave Wireless Networks
未来的毫米波(mmWave)系统、5G蜂窝或WiFi必须依赖于高度定向的链路来克服这些频段中的严重路径损耗。建立这样的链路需要在角度域中相互发现发射机和接收机,这潜在地导致大的延迟和高的能量消耗。在这项工作中,我们表明,通过使用全数字前端,可以显着降低发现延迟和能耗。事实上,我们确定,通过降低全数字前端的分辨率,我们可以实现比模拟和高分辨率数字波束形成器更低的能耗。由于通过模拟前端的波束成形允许一次仅在一个方向上进行采样,因此与可以在一次发射中从所有方向获得空间样本的数字波束成形器相比,移动终端“开启”更长的时间。我们表明,模拟前端消耗的能量可以是四到六倍以上的数字前端,这取决于所采用的天线阵列的大小。然而,我们认识到,在波束发现后使用全数字波束成形,即,对于数据传输而言,从功耗的观点来看是不可行的。为了解决这个问题,我们建议使用低分辨率模数转换器(4位)的数字波束形成器。这种分辨率的降低使功耗达到与用于数据传输的模拟波束成形相同的水平,同时受益于全数字波束成形的空间复用能力,从而减少初始发现延迟并提高能量效率。
2020-01-07 eess.SP
Near-field Beam Training with Sparse DFT Codebook
针对XL-array近场二维波束搜索开销过高的问题,提出基于稀疏DFT码本的三阶段角度与距离训练方案,在高SNR下减少98.67%开销且不损失速率性能。
2024-06-18 eess.SP
A Millimeter-Wave Software-Defined Radio for Wireless Experimentation
在这项研究中,我们提出了一种低成本和便携式毫米波软件定义无线电(SDR)的无线实验在60 GHz频段。所提出的SDR使用Xilinx RFSoC 2x2和Sivers EVK 06002零差收发器,并为基于伴随计算机(CC)的基带信号处理提供基于TCP/IP的接口。为了解决CC的处理速度与模数转换器的采样率之间的巨大差异,我们提出了一种称为波形触发接收(WTR)的方法,其中硬编码块检测特殊触发波形以获取预定数量的触发信号。检测时的IQ样本。我们还引入了一个缓冲机制,以支持不连续的传输。通过利用WTR以及不连续传输,我们进行了波束扫描实验,在那里我们评估4096波束对迅速而不影响基于CC的处理的灵活性。我们还生成了一个数据集,允许一个计算物理层参数,如信噪比和信道频率响应为一个给定的一对发射和接收波束索引。
2023-02-16 eess.SP
Explainable and Robust Millimeter Wave Beam Alignment for AI-Native 6G Networks
Koç University(科克大学);King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
本文为毫米波MIMO系统提出一种基于CNN和DkNN算法的鲁棒且可解释的深度学习波束对齐引擎,利用RSSI预测最佳窄波束,在保持近最优频谱效率的同时减少75%训练开销,并显著提升异常检测鲁棒性与决策可解释性。
2025-01-23 cs.AI eess.SP
Cross-Environment Transfer Learning for Location-Aided Beam Prediction in 5G and Beyond Millimeter-Wave Networks
针对毫米波位置辅助波束预测模型难以跨环境泛化的问题,提出参考gNB预训练加目标gNB少量数据微调的迁移学习方法,仅用5%数据即可达到80%准确率。
2025-03-18 cs.SY eess.SP eess.SY