Millimeter-Wave Multi-Radar Tracking System Enabled by a Modified GRIN Luneburg Lens for Real-Time Healthcare Monitoring
University of Waterloo(滑铁卢大学)
本文提出一种基于改进GRIN朗伯透镜的毫米波多雷达跟踪系统,用于实时医疗监测,实现高增益和宽角覆盖的非接触式生命体征检测。
2026-01-19 eess.SP
Advanced Millimeter-Wave Radar System for Real-Time Multiple-Human Tracking and Fall Detection
本文提出一种基于三台TI毫米波雷达的室内多人跟踪与跌倒检测系统,融合动态DBSCAN聚类、概率矩阵、状态预测与反馈降噪,在单/多目标跟踪和跌倒检测上均取得超过94%的高精度。
2024-06-07 eess.SP
Blind Diagnosis for Millimeter-wave Large-scale Antenna Systems
毫米波(mmWave)通信系统依赖于大规模天线阵列来对抗毫米波频带处的大路径损耗。由于硬件特性和部署环境,毫米波大规模天线系统容易受到天线元件阻塞和故障的影响,这需要诊断技术来定位故障天线元件以进行校准。当前的诊断技术需要信道状态信息(CSI)的全部或部分知识,这在存在天线故障的情况下获取可能具有挑战性。在这封信中,我们提出了一种盲诊断技术来识别毫米波大规模天线系统中的故障天线元件,它不需要任何CSI知识。通过联合利用毫米波信道和故障模式的稀疏性,我们首先将诊断问题表示为联合稀疏恢复问题。然后,原子范数的引入,导致毫米波信道的稀疏性在连续傅立叶字典。提出了一种基于交替方向乘子法(ADMM)的求解该问题的有效算法。最后,所提出的技术的性能进行了评估,通过数值模拟。
2021-03-12 cs.IT cs.SY eess.SP
Millimeter Wave V2V Beam Tracking using Radar: Algorithms and Real-World Demonstration
本文针对 V2V 毫米波通信中波束随车辆移动而变化的问题,提出雷达辅助波束跟踪框架,结合信号处理与机器学习预测未来波束,并在真实数据集上验证了高角度分辨率雷达的有效性。
2023-10-27 eess.SP
Channel Fingerprint Based Beam Tracking for Millimeter Wave Communications
具有固定波束码本的波束成形结构由于低硬件成本而为毫米波(mmWave)通信提供了经济的解决方案。然而,搜索最佳波束成形配置的训练开销与码本大小成比例。为了提高波束跟踪的效率,我们提出了一个波束跟踪方案的基础上的信道指纹数据库,其中包括统计波束形成增益和用户位置之间的映射。该方案通过利用训练的波束配置并估计未训练的波束配置的增益来跟踪用户移动。仿真结果表明,该方案实现了显着的波束形成性能增益比现有的波束跟踪方案。
2019-12-25 cs.IT eess.SP math.IT
Adaptive Beam Tracking with the Unscented Kalman Filter for Millimeter Wave Communication
用于5G蜂窝技术的毫米波(mmWave)通信链路需要高波束成形增益来克服信道损伤并实现高吞吐量。虽然许多工作集中在估计毫米波信道和设计波束成形方案上,但毫米波信道的时间动态性质很快使估计变得陈旧并增加探测开销。我们对毫米波信道的基本时间动态状态空间进行建模,并设计适合于在卡尔曼滤波框架中进行跟踪的探测波束形成器。给定初始信道估计,滤波有效地导致精确的估计,并且允许在数据传输期间针对更高的持续波束成形增益的前向预测。从跟踪的先验信道估计,自适应选择的最佳和受约束的次优波束减少探测开销,同时最大限度地减少估计误差。
2018-04-23 cs.IT eess.SP math.IT
High-Resolution Angle Tracking for Mobile Wideband Millimeter-Wave Systems with Antenna Array Calibration
毫米波(mmWave)系统使用定向波束来支持高速率数据通信。发射和接收波束之间的小的未对准(例如,由于移动性)可能导致接收信号质量的显著下降,尤其是在视距通信信道中。在本文中,我们提出并评估高分辨率的角度跟踪策略,宽带毫米波系统的移动性。我们自定义设计成对的辅助光束作为跟踪光束,并使用它们来捕获角度变化,数据光束的转向方向被调整到该角度变化。不同于传统的波束跟踪设计,所提出的框架既不依赖于角度变化模型,也不需要在网格上的假设。对于实际实施所提出的方法,我们研究阵列校准误差对辅助波束对设计的影响。数值结果表明,通过采用所提出的方法,良好的角度跟踪性能可以在各种天线阵列配置,信道模型,和移动性条件下实现。
2018-02-12 cs.IT eess.SP math.IT
A Dynamic Obstacle Tracking Strategy for Proactive Handoffs in Millimeter-wave Networks
针对毫米波链路易受动态障碍物阻断的问题,本文仅利用短期历史链路失效信息,基于NP完全性证明和贪心集合覆盖算法恢复障碍物轨迹并触发主动切换,在低至中等相机覆盖率下优于RGB-D方案。
2023-07-12 cs.NI eess.SP
Deep Learning-based Beam Tracking for Millimeter-wave Communications under Mobility
Hanyang University(汉阳大学);Seoul National University(首尔国立大学)
在本文中,我们提出了一种基于深度学习的毫米波(mmWave)通信波束跟踪方法。波束跟踪用于使用探测波束来发送已知符号,并跟踪时变信道以保持可靠的通信链路。当用户设备(UE)装置的姿态快速变化时,毫米波信道也倾向于快速变化,这阻碍了无缝通信。因此,需要能够捕获由设备的运动引起的毫米波信道的时间行为的模型,以应对该问题。因此,我们采用深度神经网络来分析时变通道和惯性传感器获取的信号中的时间结构和模式。我们提出了一种基于长短期记忆(LSTM)的模型,该模型基于UE处可用的输入信号序列来预测未来信道行为的分布。该信道分布用于1)针对未来信道状态自适应地控制探测波束,以及2)在顺序贝叶斯估计框架下通过测量更新步骤来更新信道估计。我们的实验结果表明,所提出的方法实现了显着的性能增益比传统的波束跟踪方法在各种移动性的情况下。
2022-12-02 cs.IT cs.LG eess.SP
Computer Vision Aided Beam Tracking in A Real-World Millimeter Wave Deployment
毫米波(mmWave)和太赫兹(THz)通信需要波束成形以获得足够的接收信噪比(SNR)。为了找到最佳波束,当前波束管理解决方案在预定义码本中的大量波束上执行波束训练。波束训练开销增加了接入延迟,并且对于高移动性应用可能变得不可行。为了减少甚至消除这种波束训练开销,我们提出利用例如由基站处的相机捕获的视觉数据来指导波束跟踪/细化过程。我们提出了一个机器学习(ML)框架,基于一个编码器-解码器架构,可以预测未来的光束使用以前获得的视觉传感信息。我们提出的方法进行评估的大规模现实世界的数据集,其中它实现了$64.47\%$的准确性(和$97.66\%$的归一化接收功率)在预测未来的光束。这是在需要小于使用先前波束序列来预测未来波束的对应基线解决方案的波束训练开销的$1\%$的同时实现的。在真实世界数据集上获得的这种高性能和低开销证明了所提出的视觉辅助光束跟踪方法在真实世界应用中的潜力。
2021-11-29 cs.IT eess.SP math.IT
Adaptive Beamwidth Control for mmWave Beam Tracking
传统的波束跟踪方法在高移动性和窄波束情况下会有严重的性能损失。为了减轻跟踪性能下降,我们提出了一种自适应波束宽度控制的毫米波(mmWave)波束跟踪。将粒子滤波应用于波束跟踪,用粒子构造的后验密度函数来逼近AoA估计误差。误差近似导致的自适应波束宽度控制,这是由部分激活的天线阵列。仿真结果表明,该算法有助于波束跟踪产生较小的AoA估计误差在高移动性环境下。
2019-07-20 eess.SP
Learning and Adaptation for Millimeter-Wave Beam Tracking and Training: a Dual Timescale Variational Framework
Purdue University(普渡大学);Arizona State University(亚利桑那州立大学)
毫米波车载网络产生巨大的波束训练开销以实现窄波束通信。本文提出了一种学习和自适应框架,在该框架中学习通信波束的动态特性,然后利用其来设计低开销的自适应波束跟踪和训练:在长时间尺度上,深度循环变分自编码器(DR-VAE)使用有噪的波束训练反馈来学习波束动态的概率模型并实现预测性波束跟踪;在短时间尺度上,自适应波束训练过程被公式化为部分可观测(PO-)马尔可夫决策过程(MDP),并且通过利用波束训练反馈和由DR-VAE提供的最强波束对的概率预测,经由基于点的值迭代(PBVI)来优化。反过来,波束训练反馈用于在连续的学习和适应过程中通过随机梯度上升来细化DR-VAE。所提出的DR-VAE学习框架学习精确的束流动力学:它将地面真实值和束流动力学学习模型之间的Kullback-Leibler发散度降低了95%,超过了Baum-Welch算法和忽略反馈误差的朴素学习方法。在具有多径的视线(LOS)场景上的数值结果表明,所提出的双时间尺度方法产生接近最佳的频谱效率,并将其提高了130%,超过了在主导波束对上进行穷举扫描的策略,以及20%,超过了最先进的POMDP策略。最后,一个低复杂度的政策,提出了减少POMDP的错误鲁棒MDP,并表现出良好的制度与不频繁的反馈错误。
2021-10-26 cs.LG eess.SP
A Robotic Antenna Alignment and Tracking System for Millimeter Wave Propagation Modeling
Arizona State University(亚利桑那州立大学);Purdue University(普渡大学);United States Naval Academy(美国海军学院)
在本文中,我们讨论了一个滑动相关器信道探测器的设计,28 GHz的传播建模在美国国家科学基金会粉末试验台在盐湖城,UT。波束对准是通过一个完全自主的机器人天线跟踪平台机械实现的,该平台使用商用现成组件设计。配备了Apache Zookeeper/Kafka管理的容错订阅框架,我们展示了27.8 ms的跟踪响应时间,以及优于最先进的机械波束控制系统的可扩展性。通过实时运动学校正流的增强,我们的地理定位子系统实现了17厘米的3D精度,而我们的主轴定位子系统在偏航和俯仰运动中实现了1.1度的平均精度。最后,通过促进远程编排(通过托管容器),不受限制的旋转(通过封装)和实时定位可视化(通过Dash/MapBox),我们展示了一个经过验证的原型非常适合V2X测量。
2021-10-14 cs.RO cs.SY eess.SP
Low-Complexity Blind Estimator of SNR and MSE for mmWave Multi-Antenna Communications
DGIST(大邱科学技术院)
本文提出了一种低复杂度的盲估计器,用于毫米波多天线通信中的信噪比和均方误差估计,利用信道在波束域中的稀疏性提高估计精度。
2026-01-15 eess.SP
Sensing-Aided Peer-to-Peer Millimeter-Wave Communication
针对毫米波通信中感知与通信的调度冲突及定向精度问题,提出一种雷达和IMU辅助的P2P毫米波通信系统,联合实现波束成形与感知,实现稳健跟踪并提升吞吐量。
2024-01-27 cs.SY eess.SP eess.SY
Millimeter-wave Mobile Sensing and Environment Mapping: Models, Algorithms and Validation
将有效的连接、定位和传感功能集成到5G新无线电(NR)及其他移动蜂窝系统中是一种及时的研究范式,特别是在毫米波和亚太赫兹波段。在这篇文章中,我们解决了基于无线电的传感和环境映射的前景,特别强调用户设备(UE)方面。我们首先描述了一个有效的l1正则化最小二乘(LS)方法来获得稀疏的距离角图表在个别测量或传感位置。对于随后的环境映射,我们然后引入一种新的状态模型映射漫反射和镜面散射,它允许有效地跟踪随着时间的推移,使用交互多模型(IMM)扩展卡尔曼滤波器和平滑的单个散射体。还解决了相关的测量选择和数据关联问题。我们在28 GHz频段上提供了广泛的数值室内映射结果,部署了基于OFDM的5G NR上行链路波形,信道带宽为400 MHz,涵盖了基于精确射线跟踪的测量结果和实际RF测量结果。结果表明,与静态参考方法相比,基于动态跟踪的解决方案具有明显的优越性,同时也全面展示了基于无线电的移动环境感知和测绘在未来毫米波网络中的良好前景。
2022-01-19 eess.SP
Beam Allocation for Millimeter-Wave MIMO Tracking Systems
针对时变毫米波MIMO系统,提出了一种新的波束分配策略,旨在最大化系统的平均成功跟踪概率(ASTP)。在大多数现有的作品,采用一个发射-接收(Tx-Rx)波束对一次,只有在每个训练周期,我们调查一个更一般的框架,其中的Tx-Rx波束对被允许重复使用,以提高在特定方向上的接收信号功率。在正交Tx-Rx波束对的情况下,采用基于功率的估计器来跟踪信道的时变AoA和AoD,并且所得到的训练波束对序列设计问题被公式化为整数非线性规划(I-NLP)问题。通过将可行域划分为一组子区域,将I-NLP分解为一系列凹子I-NLP,可以通过递归调用非线性分支定界算法来求解。为了减少计算量,我们放松了每个子I-NLP的整数约束,并通过求解其放松问题的Karush-Kuhn-Tucker条件来获得低复杂度的解.对于Tx-Rx波束对在角空间中重叠的情况,我们通过正交匹配追踪(OMP)算法估计更新的AoA和AoD。此外,由于没有明确的表达式为ASTP存在基于OMP的估计,我们推导出一个封闭形式的下界的ASTP,基于此可以获得一个有利的波束对分配策略。数值结果表明,所提出的波束分配策略优于现有的基准。
2019-07-01 cs.IT eess.SP math.IT
Deep Reinforcement Learning based Blind mmWave MIMO Beam Alignment
Indian Institute of Technology Madras(马德拉斯印度理工学院)
定向波束成形是使用毫米波(mmWave)技术实现稳健的无线通信系统的关键组成部分。使用空间的蛮力搜索的波束对准引入时间开销,而位置辅助盲波束对准增加了对系统的附加硬件要求。在本文中,我们介绍了一种盲波束对准方法的基础上,由基站获得的用户设备的RF指纹。所提出的系统使用深度强化学习在具有多个移动用户的多基站蜂窝环境上执行盲波束对准。我们提出了一种新型神经网络架构,可以处理连续和离散动作的混合,并使用策略梯度方法来训练模型。我们的研究结果表明,该方法可以实现高达四倍的数据速率的传统方法,没有任何开销。
2021-02-20 cs.IT cs.LG eess.SP
Solving a Nonlinear Blind Inverse Problem for Tagged MRI with Physics and Deep Generative Priors
Johns Hopkins University(约翰霍普金斯大学);Johns Hopkins School of Medicine(约翰霍普金斯医学院)
本文提出了一种结合物理和深度生成先验的非线性盲逆框架,用于带标签MRI,实现了解剖恢复、高分辨率 cine 图像合成和运动估计的统一处理。
2026-03-01 cs.CV eess.IV eess.SP
Simultaneous Communication and Tracking in Arbitrary Trajectories via Beam-Space Processing
在本文中,我们开发了一个波束跟踪方案的正交频分复用(OFDM)通感一体化(ISAC)系统与混合数字模拟(HDA)架构工作在毫米波(毫米波)波段。我们的跟踪方法包括一个估计步骤的启发雷达信号处理技术,和一个预测步骤的基础上简单的运动方程。该混合架构利用预测的状态信息,只关注感兴趣的方向,权衡波束成形增益,硬件复杂性和多流处理能力。我们在任意轨迹的广泛模拟表明,所提出的方法可以优于最先进的光束跟踪方法的预测精度,从而实现通信速率方面,并完全能够处理高度非线性的动态运动模式。
2022-03-29 eess.SP
Channel Tracking for RIS-aided mmWave Communications Under High Mobility Scenarios
新兴的可重构智能表面(RIS)技术有望应用于毫米波(mmWave)通信系统中,以有效地补偿传播损耗或解决阻塞问题。考虑到实际应用中用户的高度移动性,实时调整相位偏移以使波束对准移动用户是非常必要的,这就需要频繁地估计信道状态信息。因此,必须设计有效的信道跟踪方案以避免复杂的信道估计过程。在本文中,我们开发了一种新的信道跟踪方案,与传统的计划有两个优点。首先,我们的跟踪方案是基于级联的角度在RIS,而不是准确的角度值,这是更实际的。其次,它可以在噪声可以是非高斯的更一般的设置下使用。仿真结果表明,该方案具有较高的跟踪精度,并验证了其优于现有的基于EKF的跟踪方案。
2023-02-07 eess.SP
Millimeter Wave Remove UAV Control and Communications for Public Safety Scenarios
来自无人驾驶飞行器(UAV)的通信和视频捕获为协助远程公共安全环境中的第一响应者提供了巨大的潜力。在这样的使用中,毫米波(mmWave)无线链路可以在UAV和远程命令中心之间提供高吞吐量和低延迟连接。然而,由于需要支持高速波束跟踪并克服阻塞,因此在毫米波频带中保持可靠的空中通信是具有挑战性的。本文提供了一项模拟研究,旨在评估通过28 GHz的5G链路实现公共安全无人机连接的可行性。在类似于公共安全设置中预期的机动期间捕获真实的飞行运动轨迹。然后,运动轨迹被纳入详细的毫米波网络模拟器中,该模拟器对信道、阻塞、波束成形和完整的3GPP协议栈进行建模。我们表明,当基站位于任务区附近时,5G毫米波通信可以提供高达1 Gbps的吞吐量,并具有一致的亚毫秒延迟,从而实现无人机控制和感知算法的远程卸载。
2020-05-13 eess.SP
Machine Learning-Based mmWave MIMO Beam Tracking in V2I Scenarios: Algorithms and Datasets
针对V2I场景下毫米波MIMO波束跟踪开销高、数据集缺乏的问题,本文构建含图像、LIDAR与GNSS的公开多模态数据集,并提出基于ResNet和LSTM的深度神经网络,实现优于现有模型的跟踪性能。
2024-12-06 eess.SP
Attention-Enhanced Learning for Sensing-Assisted Long-Term Beam Tracking in mmWave Communications
University of Oulu(奥卢大学);Ben-Gurion University of the Negev(内盖夫本-古里安大学);Weizmann Institute of Science(魏茨曼科学研究所)
本文提出一种基于增强注意力机制的机器学习模型,利用摄像头信息实现毫米波通信中的长期波束跟踪,提升预测精度并降低计算复杂度。
2026-01-27 eess.SP
LiDAR Aided Future Beam Prediction in Real-World Millimeter Wave V2I Communications
本文介绍了第一个大规模的现实世界的评估使用激光雷达数据来指导毫米波波束预测任务。开发了一种机器学习(ML)模型,该模型利用LiDAR传感数据来预测当前和未来的光束。基于大规模真实世界数据集DeepSense 6G,该模型在具有高度移动车辆的车辆到基础设施通信场景中进行了评估。实验结果表明,所开发的激光雷达辅助波束预测和跟踪模型可以在$95\%$的情况下预测最佳波束,并且波束训练开销减少超过$90\%$。LiDAR辅助的光束跟踪实现了与基线解决方案相当的精度性能,该基线解决方案具有先前最佳光束的完美知识,而不需要关于先前最佳光束信息的任何知识,并且不需要任何光束校准。这突出了毫米波和太赫兹通信系统中关键光束对准挑战的有前途的解决方案。
2022-03-10 cs.IT eess.SP math.IT
Codebook-Based User Tracking in IRS-Assisted mmWave Communication Networks
提出了一种基于码本的智能反射面辅助毫米波系统的移动用户跟踪方案。所提出的UT方案利用从IRS到移动用户的方向的时间相关性来选择提供朝向用户的反射的IRS相移。为此,基于广义似然比测试(GLRT)周期性地估计用户的方向,并且从若干过去的方向估计推断用户的移动轨迹。所提出的UT方案的效率是根据平均有效速率来评估的,平均有效速率考虑了所需的信令开销和所实现的信噪比(SNR)。我们的研究结果表明,对于中高信噪比,所提出的基于码本的UT方案实现了更高的有效率比两个参考方法的基础上全码本搜索和优化的个别IRS单元格,分别。
2022-11-16 eess.SP
Joint Tracking of Multiple Beams in Beamspace MIMO Systems
在毫米波(mmWave)系统中,需要波束成形来克服恶劣的信道环境。透镜天线阵(LAA)作为一种很有前途的波束形成方案,可以提供一个具有成本效益的解决方案,而不会显着的性能下降相比,它的对应。然而,适当的波束选择是一个挑战,因为它需要经由广泛的波束训练过程进行有效的信道估计以实现完美的波束对准。在本文中,我们提出了一个高流动性的波束和信道跟踪算法的基础上的无迹卡尔曼滤波器(UKF),以解决这一挑战,其中的信道变化可以在一定的时间内进行监测。所提出的算法在与适当的波束建立连接之后跟踪信道变化。该算法首先在多用户波束空间多输入多输出(MIMO)系统中引入LAA,其中在下行链路传输时在用户侧跟踪单个波束。然后,在上行链路传输中在基站侧将其用于多波束联合跟踪。分析表明,在不同的信道变化条件下,该算法在单波束和多波束跟踪系统中均优于目前流行的扩展卡尔曼滤波器(EKF)。虽然在多波束系统场景中单独跟踪波束是常见的,但是与使用传统EKF方法的单独波束跟踪相比,所提出的联合跟踪方法可以提供大约62%的性能增强。
2020-11-01 eess.SP
Three Dimensional Velocity Measurement Using a Dual Axis Millimeter-Wave Interferometric Radar
提出了一种利用双轴相关干涉雷达直接测量目标三维速度的方法。最近的进展表明,通过将在空间上不同的孔径位置处测量的信号进行相关,可以测量目标的角速度。通过利用多个正交基线和使用常规多普勒速度方法来获得径向速度,仅使用三个接收天线和单个发射器就可以获得完整的三维速度矢量,而不需要跟踪。介绍了一种具有$7.26λ$天线基线的$\text{41.8 GHz}$双轴干涉雷达,以及对平行于雷达阵列平面运动的目标和以径向和切向速度分量运动的目标的测量。这些实验实现了总速度均方根误差$\text{41.01 mm}\cdot\text{s}^{-1}$($10.5\%$)的目标沿平行于阵列的平面移动,和$\text{45.07 mm}\cdot\text{s}^{-1}$($13.5\%$)的目标移动与径向和切向运动的分量相对于阵列;估计的轨迹角RMSE的$10.42^\circ$和$5.11^\circ$分别为每个实验。
2021-10-27 eess.SP
Channel Charting based Fast Beam Tracking Design and Implementation
Nanyang Technological University(南洋理工大学);Huawei Technologies Co., Ltd(华为技术有限公司)
针对毫米波通信中波束跟踪开销大的问题,提出基于信道图表和对比学习的低复杂度波束跟踪算法,将波束跟踪转化为信道图表中的波束簇获取,仿真准确率98.27%,扫描次数减少55.9%,现场测试验证了通信质量。
2025-10-09 eess.SP
Large Intelligent Surface for Positioning in Millimeter Wave MIMO Systems
用于第五代(5G)蜂窝通信的毫米波(mmWave)多输入多输出(MIMO)系统由于其大带宽和固有的高角度分辨率,还可以实现单锚点定位和对象跟踪。在本文中,我们引入了新发明的概念,大智能表面(LIS),毫米波定位系统,研究的理论性能界限(即,Cramér-Rao下界)进行定位,并与传统的单直接链路单非视距路径定位方案进行了比较,分析了LIS阵元数和移相器值对定位精度的影响,从理论分析和数值研究中验证了LIS的定位性能更好。
2019-09-30 cs.IT eess.SP math.IT
CommRad: Context-Aware Sensing-Driven Millimeter-Wave Networks
针对毫米波网络在动态移动场景下链路易中断、现有波束训练开销高的问题,提出融合双基地通信感知与单基地雷达的CommRad框架,通过上下文协同实现用户跟踪与链路维持,中位吞吐量较基线提升2.5倍。
2024-07-11 cs.NI eess.SP
mmHRR: Monitoring Heart Rate Recovery with Millimeter Wave Radar
本文提出mmHRR,利用商用毫米波雷达非接触监测运动后心率恢复,通过动态目标跟踪、自适应心跳提取和复合滑动窗口估计心率,误差仅3.31bpm,较现有方法降低71%。
2025-03-28 eess.SP
mmTracking: Trajectory Tracking for Uplink mmWave Devices with Multi-Path Doppler Difference of Arrival
针对毫米波通信中移动设备轨迹跟踪问题,提出mmTracking方法,利用上行多径的多普勒频率差与粗略到达角估计实现跟踪,室内实验平均误差小于20cm。
2025-03-21 eess.SP
Fast Beam Tracking for Reconfigurable Intelligent Surface Assisted Mobile mmWave Networks
针对RIS辅助移动毫米波网络的非视距链路维持问题,提出利用最优RIS配置微分更新参数并将波束跟踪转为可计算搜索优化的快速算法,以接近最优性能大幅减少信令开销。
2021-02-22 eess.SP
MMW-Carry: Enhancing Carry Object Detection through Millimeter-Wave Radar-Camera Fusion
MMW-Carry通过毫米波雷达与相机融合,结合空间定位放大和知识迁移模块融合多视角雷达图像,实现对室内移动个体携带物的快速初步筛查,显著降低误报与漏检率。
2024-02-24 eess.SP
Reinforcement Learning-based Joint User Scheduling and Link Configuration in Millimeter-wave Networks
在本文中,我们开发的算法联合用户调度和三种类型的毫米波链路配置:中继选择,码本优化,毫米波(mmWave)网络中的波束跟踪。我们的目标是设计一个在线控制器,动态调度用户和配置他们的链接,以最大限度地减少系统延迟。为了解决这个复杂的调度问题,我们将其建模为一个动态决策过程,并开发了两个基于强化学习的解决方案。第一种解决方案基于深度强化学习(DRL),其利用近端策略优化来训练基于神经网络的解决方案。由于DRL潜在的高样本复杂性,我们还提出了一个经验的多臂强盗(MAB)为基础的解决方案,它分解成一系列的子动作的决策过程,并利用经典的最大权重调度和汤普森采样来决定这些子动作。我们的评估所提出的解决方案证实了其有效性,提供可接受的系统延迟。它还表明,基于DRL的解决方案具有更好的延迟性能,而基于MAB的解决方案具有更快的训练过程。
2022-10-24 cs.NI eess.SP
Knowledge Distillation for Sensing-Assisted Long-Term Beam Tracking in mmWave Communications
Centre for Wireless Communications, University of Oulu(奥卢大学无线通信中心);Ben-Gurion University of the Negev(内盖夫本古里安大学);University of California, Irvine(加州大学尔湾分校);Weizmann Institute of Science(魏茨曼科学研究所)
本文提出了一种高效的感知辅助长期波束跟踪框架,通过设计大规模注意力增强神经网络作为教师模型,指导轻量级学生模型的训练,从而在减少模型参数和复杂度的同时,实现高精度的波束跟踪。
2026-05-20 eess.SP
Knowledge Distillation for Lightweight Multimodal Sensing-Aided mmWave Beam Tracking
Centre for Wireless Communications (CWC), University of Oulu(奥卢大学无线通信中心);School of Electrical, Computer, and Energy Engineering, Arizona State University(亚利桑那州立大学电气、计算机与能源工程学院);School of Electrical Engineering & Computer Science, University of California, Irvine(加州大学欧文分校电气与计算机工程学院)
本文提出基于知识蒸馏的轻量模型框架,利用摄像头和雷达数据实现高效波束预测与跟踪,实验显示多模态融合优于单一模态方法,模型在精度提升的同时显著降低计算复杂度和参数量。
2026-04-17 eess.SP
Beam Training and Tracking in MmWave Communication: A Survey
在毫米波(mmWave)频带上进行通信正迎来移动通信的新时代,其提供了10 Gbps高数据速率传输的可用性。然而,毫米波链路由于严重的自由空间路径损耗和障碍物的阻挡而容易发生短传输距离通信。为了克服这些挑战,高度定向波束被利用以通过混合波束成形来实现鲁棒链路。准确地对准发射器和接收器波束,即波束训练,对于高数据速率传输是至关重要的。然而,它可能会导致巨大的开销,这对初始接入、切换和跟踪具有负面影响。此外,用户的移动模式是复杂的和动态的,这可能会导致跟踪错误和大的跟踪延迟。有效的波束跟踪方法对维持鲁棒链路具有积极作用。本文概述了毫米波频段的波束训练和跟踪技术,并揭示了第六代(6G)移动网络未来研究的见解。特别是,提出了一些开放的研究问题,以实现快速,准确,鲁棒的波束训练和跟踪。我们希望这项调查为毫米波通信领域的研究人员提供指导。
2022-05-20 cs.NI eess.SP
Beam Tracking for Dynamic mmWave Channels: A New Training Beam Sequence Design Approach
在本文中,我们开发了一种有效的毫米波MISO跟踪系统的训练波束序列设计方法。我们施加一个离散状态马尔可夫过程假设的出发角的演变,并引入最大后验准则来跟踪它在每个波束训练周期。由于它是不可行的,以获得一个明确的表达式作为结果的跟踪误差概率,我们转向它的上限,它拥有一个封闭的形式的表达,因此被利用作为目标函数来优化训练波束序列。考虑到目标函数的复杂性和模拟移相器的单位模约束,我们采用粒子群算法来求解公式化的优化问题。数值结果验证了所提出的训练波束序列设计方法的优越性。
2022-09-16 cs.IT eess.SP math.IT
Joint Beam and Channel Tracking for Two-Dimensional Phased Antenna Arrays
模拟波束成形是用于毫米波(mmWave)移动通信的低成本架构。然而,它对于服务快速移动性用户具有两个缺点:(i)无线信道中的毫米波波束和由模拟波束成形操纵的波束具有难以彼此对准的小角度扩展,以及(ii)接收器只能在一个波束方向上观察毫米波信道,并且依赖于波束探测算法来检查其他方向。在本文中,我们开发了一种波束探测和跟踪算法,可以有效地跟踪快速移动的毫米波波束在三维(3D)空间。该算法具有几个显著的特点:(1)衰落信道支持:在衰落信道环境下,可以同时跟踪信道系数和二维(2D)波束方向;(2)探测开销低:实现了波束和信道联合跟踪的最小探测要求;(3)跟踪速度快,跟踪精度高:在静态情况下,该算法的跟踪误差理论上收敛于最小Cramer-Rao下界(CRLB),仿真结果表明,该算法比现有的几种跟踪算法具有更小的跟踪误差和更快的跟踪速度。
2018-12-27 cs.IT eess.SP math.IT
Spatial Beam Tracking and Data Detection for an FSO Link to a UAV in the Presence of Hovering Fluctuations
小型无人机(UAV)的最新进展为建立基于UAV的自由空间光(FSO)链路开辟了新的视野。然而,自由空间光通信技术需要精确的波束对准,而悬停无人机的随机波动会引起波束失准和到达角(AoA)波动。针对与无人机的自由空间光通信链路,研究了无人机随机悬停波动对四象限探测器阵列光束跟踪性能的影响,并根据无人机的不稳定程度,找到了使跟踪误差最小的最佳探测器阵列尺寸。接收机需要瞬时信道衰落系数。我们提出了一种盲估计信道系数的方法,即,而不使用任何导频符号,以增加链路带宽效率。为了评估所考虑的系统的性能,封闭形式的表达式的跟踪误差和误比特率推导。此外,Monte-Carlo模拟进行了验证的准确性推导的解析表达式。
2019-04-07 eess.SP math.OC
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
Optimal Precoders for Tracking the AoD and AoA of a mm-Wave Path
在毫米波信道中,大部分接收到的能量由几条路径承载。传统的预编码器利用方向预编码器扫描出发角(AoD)和到达角(AoA)空间以识别具有最大功率的方向。这样的预编码器是启发式的并且导致次优AoD/AoA估计。我们推导出最佳预编码器,最小化的Cramér-Rao界(CRB)的AoD/AoA,假设在发射机和空间滤波的一个单一的路径的全数字架构。预编码器是通过解决一个合适的凸优化问题。我们证明了精度可以提高至少两个传统的预编码器的一个因素,并表明有一个最佳数量的不同的预编码器,超过CRB不改善。
2018-03-05 cs.IT eess.SP math.IT
Codebook-Based Beam Tracking for Conformal ArrayEnabled UAV MmWave Networks
Beijing University of Posts and Telecommunications(北京邮电大学);University of Houston(休斯顿大学);Kyung Hee University(庆熙大学)
针对无人机三维移动与姿态变化导致的毫米波窄波束跟踪难题,提出共形阵列架构、分层码本及结合高斯过程预测与自适应波束宽度控制的多用户跟踪方案。
2024-04-08 cs.LG eess.SP
A Machine Learning Solution for Beam Tracking in mmWave Systems
University of Southern California(南加州大学)
在\emph{mobile}系统中利用毫米波(mmWave)频率进行无线通信是具有挑战性的,因为它需要连续跟踪波束方向。最近,提出了基于信道稀疏性的波束跟踪技术和/或基于卡尔曼滤波器的技术,其中解决方案使用关于环境和设备移动性的假设,这些假设在实际场景中可能不成立。在本文中,我们探索了一种基于机器学习的方法来跟踪现实场景中特定路径的到达角(AoA)。特别是,我们使用一个递归神经网络(R-NN)结构与修改后的代价函数跟踪的AoA。我们提出的方法来训练网络中的顺序数据,并研究我们提出的解决方案的性能相比,扩展的卡尔曼滤波器为基础的解决方案在一个现实的毫米波场景的基础上随机信道模型从ADDRiGa框架。结果表明,我们提出的解决方案优于一个扩展的卡尔曼滤波器为基础的方法,降低了AoA中断概率,从而减少了频繁的波束搜索的需要。
2019-12-29 cs.LG cs.SY eess.SP
Machine-Learning Beam Tracking and Weight Optimization for mmWave Multi-UAV Links
毫米波(mmWave)混合模拟数字波束形成是一种很有前途的方法,可以满足多无人机(UAV)系统的低延迟约束,作为灵活部署的网络基础设施。然而,在高度动态的多无人机环境中,模拟波束跟踪成为一个关键的挑战。以频谱效率为代价的额外导频传输的开销被证明是必要的,以实现操作中的高弹性。一种处理UAV的高动态的有效方法将机器学习,特别是Q学习应用于模拟波束跟踪。所提出的基于Q学习的波束跟踪方案使用当前/过去的观测来设计来自环境的奖励以促进预测,这显著地提高了数据传输和波束切换的效率。给定所选择的模拟波束,数字波束成形的目标是最大化SINR。接收到的导频信号被用来近似期望的信号和干扰功率,这产生SINR测量以及最佳数字权重。由于基于接收功率选择的模拟波束不能保证混合波束形成实现最大化SINR,因此我们在波束跟踪期间保留额外的模拟波束作为候选。模拟波束与其数字权重的组合实现最大SINR,从而为混合波束形成提供了最佳解决方案。
2019-10-29 cs.IT eess.SP math.IT
ViWi Vision-Aided mmWave Beam Tracking: Dataset, Task, and Baseline Solutions
视觉辅助无线通信受到深度学习和计算机视觉的最新进展以及对毫米波(mmWave)和太赫兹系统中视线链路的日益依赖的推动。通过利用视觉,这一新的研究方向实现了一系列有趣的新功能,例如视觉辅助毫米波波束和阻塞预测、主动切换和资源分配等。这些功能有可能可靠地支持高度移动的应用,例如车辆/无人机通信以及毫米波和太赫兹系统中的无线虚拟/增强现实。然而,研究这些有趣的应用程序需要开发特殊的数据集和机器学习任务。基于Vision-Wireless(ViWi)数据集生成框架[1],本文开发了一个先进而现实的场景/数据集,具有多个基站,移动用户和丰富的动态。在此数据集的支持下,本文定义了视觉无线毫米波波束跟踪任务(ViWi-BT),并提出了一个基线解决方案,可以为未来的ViWi-BT算法提供初始基准。
2020-02-13 cs.IT eess.SP math.IT
Deep Learning Assisted Calibrated Beam Training for Millimeter-Wave Communication Systems
Tsinghua University(清华大学);Tsinghua Shenzhen International Graduate School(清华大学深圳国际研究生院);University of Southampton(南安普顿大学)
波束训练的巨大开销对毫米波(mmWave)无线通信提出了重大挑战。为了解决这个问题,在本文中,我们提出了一种基于宽波束的训练方法,根据信道功率泄漏来校准窄波束方向。为了处理信道功率泄漏的复杂非线性特性,利用深度学习直接预测最佳窄波束。具体而言,提出了三种深度学习辅助的校准波束训练方案。第一种方案是利用宽波束训练后的瞬时接收信号,采用卷积神经网络进行预测。我们还基于预测的概率执行额外的窄波束训练,以用于进一步的波束方向校准。然而,第一种方案仅依赖于一个宽波束训练,这缺乏对噪声的鲁棒性。针对这一问题,第二种方案采用长短期记忆(LSTM)网络跟踪用户的移动,并根据接收到的波束训练信号进行波束方向的校准,以增强对噪声的鲁棒性。为了进一步减少宽波束训练的开销,我们的第三个方案,自适应波束训练策略,选择部分宽波束进行训练的基础上,以前收到的信号。设计了两个选择准则,即最佳邻域准则和最大概率准则。此外,为了处理移动场景,引入辅助LSTM来更精确地校准所选宽波束的方向。仿真结果表明,与传统的和现有的基于深度学习的方案相比,我们提出的方案以更小的波束训练开销实现了更高的波束成形增益。
2021-07-20 cs.LG eess.SP
Radar Aided Proactive Blockage Prediction in Real-World Millimeter Wave Systems
毫米波和亚太赫兹通信系统主要依赖于发射机和接收机之间的视距(LOS)链路。然而,这些高频LOS链路对阻塞的敏感性对这些通信网络的可靠性和延迟要求提出了挑战。在本文中,我们建议利用雷达传感器来提供有关周围环境和移动物体的传感信息,并利用这些信息来主动预测未来的链路阻塞。这是由雷达传感器的低成本、它们有效地捕获重要特征(诸如移动散射体(候选阻塞物)的范围、角度、速度)的能力以及它们以相对高的速度捕获雷达帧的能力所推动的。我们制定了雷达辅助的主动阻塞预测问题,并基于经典雷达目标跟踪和深度神经网络开发了两种解决方案。这两个解决方案旨在利用领域知识和对堵塞预测问题的理解。为了准确评估所提出的解决方案,我们基于DeepSense框架构建了一个大规模的真实世界数据集,收集了超过$10$千个数据点和各种阻塞对象(车辆,自行车,人类等)的共存雷达和毫米波通信测量。基于该数据集的评估结果表明,所提出的方法可以预测未来的阻塞$1$秒之前,他们发生超过$90\%$ $F_1$评分(和超过$90\%$准确性)。这些结果尤其突出了未来无线毫米波和太赫兹通信系统中的阻塞预测和可靠性增强的有前途的解决方案。
2021-11-29 cs.IT eess.SP math.IT
Reinforcement Learning of Beam Codebooks in Millimeter Wave and Terahertz MIMO Systems
毫米波(mmWave)和太赫兹MIMO系统依赖于预定义的波束成形码本来进行初始接入和数据传输。然而,由于是预定义的,这些码本通常没有针对特定环境、用户分布和/或可能的硬件损伤进行优化。这导致具有高波束训练开销的大码本大小,这增加了初始接入/跟踪延迟,并且使得这些系统难以支持高度移动的应用。为了克服这些限制,本文开发了一种深度强化学习框架,该框架学习如何仅依赖于接收功率测量而不需要任何显式信道知识来迭代优化码本波束图案(形状)。开发的模型学习如何自主调整波束模式,以最好地匹配周围环境,用户分布,硬件损伤和阵列几何形状。此外,该方法不需要关于信道、阵列几何形状、RF硬件或用户位置的任何知识。为了减少学习时间,所提出的模型设计了一种新的Wolpertinger变量架构,能够有效地搜索一个最优的政策,在一个大的离散动作空间,这是重要的大型天线阵列与量化移相器。这种复值神经网络架构设计考虑了实际RF硬件约束,例如恒模和量化移相器约束。基于公开可用的DeepMIMO数据集的仿真结果证实了所开发的框架能够在不需要任何信道知识的情况下学习视线(LOS)和非LOS场景以及具有硬件损伤的阵列的接近最佳波束模式。
2021-02-22 cs.IT eess.SP math.IT
Robust Continuous-Time Beam Tracking with Liquid Neural Network
针对毫米波通信中波束训练开销大的问题,提出基于liquid neural network的鲁棒连续时间波束跟踪方案,动态调整波束实现实时对准,较现有深度学习方法最高提升46.9%的归一化频谱效率。
2024-08-26 cs.IT eess.SP math.IT
Deep Reinforcement Learning-Based Beam Tracking for Low-Latency Services in Vehicular Networks
Shanghai Institute for Advanced Communication and Data Science(上海先进通信与数据科学研究院);Shanghai University(上海大学)
考虑到不断调整波束方向的必要性,毫米波段车载网络中的超可靠和低延迟通信(URLLC)服务提出了重大挑战。传统的方法大多基于经典控制理论,例如,卡尔曼滤波器及其变体,主要处理静态场景。因此,存在严重的应用限制,特别是复杂的动态V2X(Vehicle-to-Everything)通道。本文对这一问题进行了深入的研究,首先修改了经典的方法,例如,扩展卡尔曼滤波器(EKF)和粒子滤波器(PF),针对非平稳场景,提出了一种基于强化学习(RL)的方法,该方法可以在典型的交叉口场景中实现URLLC要求。基于商业射线跟踪模拟器的仿真结果表明,增强的EKF和PF方法实现的数据包延迟超过$10$ ms,而提出的基于深度RL的方法可以减少延迟约$6$ ms,通过提取上下文信息从训练数据。
2020-02-13 cs.IT cs.LG eess.SP
m^3TrackFormer: Transformer-based mmWave Multi-Target Tracking with Lost Target Re-Acquisition Capability
The Hong Kong Polytechnic University(香港理工大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
m3TrackFormer基于Transformer提出毫米波多目标跟踪方法,具备丢失目标快速重获取能力,提升波束预测精度和跟踪稳定性。
2026-02-20 cs.IT eess.SP math.IT