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
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
Enhanced Tracking and Beamforming Codebook Design for Wideband Terahertz Massive MIMO System
针对太赫兹大规模 MIMO 中波束方向过多导致跟踪开销高的问题,提出 TTD 辅助的增强频率扫描方案与耦合码本,实现多时隙多方向搜索并验证其优越性能。
2022-11-25 cs.IT eess.SP math.IT
Robust Adaptive Beam Tracking for Mobile Millimetre Wave Communications
毫米波(mmWave)波束跟踪是一项具有挑战性的任务,因为需要跟踪算法以提供一致的高精度,同时具有低的丢失跟踪的概率和最小的开销。为了满足这些要求,本文提出了一种新的模拟波束跟踪框架,即自适应跟踪与随机控制(ATSC)。在此框架下,光束方向更新使用一种新的机制,从当前的数据束扰动的只有两个光束方向的测量的基础上。为了实现高跟踪精度和可靠性,我们提供了一个系统的方法来共同优化算法参数。完整的框架包括一个方法,用于适应跟踪率与重新调整的标准(感知损失的跟踪)。ATSC适应的跟踪开销的量,以及匹配的移动性水平,而不会招致频繁的丢失的跟踪,验证了一组广泛的实验下,代表性的统计信道模型,以及现实的城市场景模拟光线跟踪软件。特别是,数值计算结果表明,ATSC可以跟踪主导信道方向与高精度的车辆以72公里/小时在复杂的城市场景中,与开销小于1%。
2020-05-03 cs.IT eess.SP math.IT
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
Mobility and Blockage-aware Communications in Millimeter-Wave Vehicular Networks
移动性可能会降低下一代车载网络在毫米波频谱上运行的性能:频繁的未对准和阻塞需要重复的波束训练和切换,并产生巨大的开销。然而,移动性引起通信波束和阻塞事件中的时间相关性。在本文中,波束训练,数据传输和切换的自适应设计,提出了学习和利用这些时间的相关性,以减少波束训练开销和最佳的权衡吞吐量和功耗。在每个时隙,在系统状态的不确定性下,当检测到阻塞时,服务基站(BS)决定执行波束训练、数据通信或切换。该决策问题被转换为部分可观察的马尔可夫决策过程,目标是在平均功率约束下最大化传送到UE的吞吐量。为了解决高维优化问题,提出了一种近似约束点基值迭代(C-PBVI)方法,该方法同时优化原函数和对偶函数以满足幂约束.数值结果表明,分析与基于2D移动性和3D模拟波束成形的仿真之间的良好匹配,通过在BS和UE处的均匀平面阵列,并揭示了C-PBVI执行接近最佳,并在频谱效率方面优于具有周期性波束训练的基线方案38%。受C-PBVI策略结构的启发,提出了两种算法,以次优性换取复杂性,并且仅损失4%和15%的频谱效率。
2020-09-04 cs.IT eess.SP math.IT
A Unified 3D Beam Training and Tracking Procedure for Terahertz Communication
太赫兹(THz)通信被认为是克服带宽瓶颈和满足未来不断增长的容量需求的一种有吸引力的方式。由于太赫兹波的高方向性和传播损耗,使用波束形成的大规模MIMO系统被认为是一种有前途的技术,在太赫兹通信中实现高增益和定向传输。然而,导频,这是许多波束形成方案的基础,是具有挑战性的准确检测在太赫兹波段由于严重的传播损耗。为了有效地实现太赫兹通信中的波束形成,考虑视距传播,提出了一种统一的三维波束训练和跟踪方法。特别是,一种新的四均匀平面阵列(QUPA)结构进行了分析,以扩大信号覆盖范围,增加波束增益,并减少波束斜视损失。在此基础上,提出了一种低复杂度的三维网格波束训练算法,包括三维码书的设计和训练协议的设计。最后,一个简单而有效的基于网格的混合(GBH)波束跟踪研究,以支持太赫兹波束形成的有效方式。基于该过程的通信框架可以根据实时服务质量动态地触发波束训练/跟踪。数值结果表明,我们提出的波束训练和跟踪的基准方法的优越性。
2021-10-03 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
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
Adaptive Millimeter-Wave Communications Exploiting Mobility and Blockage Dynamics
移动性可能会降低在毫米波频谱上运行的下一代车载网络的性能:频繁的失准和阻塞需要重复的波束训练和切换,从而产生巨大的开销。在本文中,波束训练,数据传输和切换的自适应和联合设计,提出了利用移动用户的移动过程和动态的阻塞,以最佳的权衡吞吐量和功耗。在每个时隙,当检测到阻塞时,服务基站决定执行波束训练、数据通信或切换。该问题被转换为部分可观测的马尔可夫决策过程,并通过基于PERSEUS [2]的近似动态规划算法求解。数值结果表明,基于PERSEUS的政策执行接近最佳,并实现了55%的增益相比,基线计划与周期性波束训练的频谱效率。受其结构的启发,提出了一种自适应启发式策略,具有较低的计算复杂性和较小的性能下降。
2020-03-01 cs.IT eess.SP math.IT
Monopulse-based THz Beam Tracking for Indoor Virtual Reality Applications
正在研究太赫兹频谱以提供用于室内应用的超高吞吐量无线电链路,虚拟现实(VR)等以及户外应用,例如,本文研究了一种基于单脉冲的波束跟踪方法,用于依赖于稀疏大规模多输入多输出(MIMO)无线信道的有限移动性用户。由于稀疏性,波束形成使用具有恒定幅度约束的数字控制射频(RF)/中频(IF)移相器来实现,以用于发射功率合规性。采用基于单脉冲的波束跟踪技术,利用接收信号强度指示(RSSI),以避免反馈开销的效率和资源节省的明显原因。最后给出了波束跟踪算法的Matlab实现。该Matlab实现已经尽可能地保持通用,使用其中信道、波束形成码本、单脉冲比较器等可以针对特定要求容易地更新并且具有最小代码修改的功能。
2019-06-04 cs.IT eess.SP math.IT
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
Learning Based Dynamic Cluster Reconfiguration for UAV Mobility Management with 3D Beamforming
针对无蜂窝无线网络中无人机通信的动态聚类与功率分配多目标优化难题,提出一种基于定制化掩码软演员-评论家强化学习的动态簇重配置方法,兼顾可靠性、功耗与重配置频率需求。
2024-01-31 cs.IT eess.SP math.IT
Beam Training and Tracking for Extremely Large-Scale MIMO Communications
本文针对部分连接混合合并结构的极大规模MIMO系统,提出了两阶段混合场波束训练方案、基于子阵列相移的波束细化方案以及低复杂度近场波束跟踪方案,有效实现了近远场高分辨率信道参数估计与波束跟踪。
2023-11-25 cs.IT eess.SP math.IT
Event-Based Beam Tracking with Dynamic Beamwidth Adaptation in Terahertz (THz) Communications
针对THz窄波束移动、对齐与阻塞难题,提出动态波束宽度自适应参数化波束成形及基于事件的低开销波束跟踪与信道估计方法,联合优化速率和中断概率。
2022-08-21 cs.IT eess.SP math.IT
Robust Statistical Beamforming with Multi-Cluster Tracking for Time-Varying Massive MIMO (Extended Version)
提出了一种大规模多输入多输出(MIMO)系统中瞬时信道估计、波束跟踪和自适应波束形成器的联合设计方法。这种设计的重点是效率方面的性能和计算复杂性的不利影响下的时间变化和移动性的来源,多用户和多径组件的存在下,或简单的多集群,和远近效应。该设计也适用于混合波束形成和频率选择性信道。在所提出的系统中,信道参数估计在时域双工(TDD)上行链路模式使用每簇的方法,而不是一个联合的方法,这显着降低了复杂度。由于所提出的干扰感知统计波束形成方法,即降维广义特征波束形成器(RD-GEB),每簇估计是可能的,它承担了干扰减轻的计算负载,并使剩余阶段的设计更简单。此外,整体设计基于将信道参数分离为快时间和慢时间,仅留下瞬时信道估计和信道匹配滤波作为快时间操作,其在集群特定的降维子空间内处理。波束跟踪和波束形成很少在慢时间内进行,降低了时均复杂度。此外,通过利用一批瞬时信道估计来执行波束跟踪,这消除了对额外训练过程的需要。所提出的低复杂度设计优于传统的方法。
2023-03-01 cs.IT eess.SP math.IT
Beam Tracking for UAV-Assisted FSO Links With a Four-Quadrant Detector
研究了悬停多旋翼无人机的地空自由空间光链路。对于这种无人机,四象限光电探测器阵列用于光学接收器,以通过扩大接收器视场来减轻悬停波动的不利影响。进行了广泛的数学分析,以评估波束跟踪性能的随机影响下的悬停波动。通过Monte-Carlo模拟证实了推导出的解析表达式的准确性。结果表明,这种链路的性能很大程度上取决于悬停无人机的随机波动,并且对于每一个不稳定水平,都存在一个最佳的阵列尺寸,使跟踪误差概率最小
2021-09-16 cs.IT eess.SP math.IT
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
Network Massive MIMO Transmission Over Millimeter-Wave and Terahertz Bands: Mobility Enhancement and Blockage Mitigation
移动性和阻塞是毫米波(mmWave)和太赫兹(THz)频段上的无线传输中的两个关键挑战。在本文中,我们研究了移动性和阻塞的存在下,网络的大规模多输入多输出(MIMO)传输毫米波/太赫兹下行链路。考虑到毫米波/太赫兹波的传播特性,我们首先提出将每个波束同步应用于网络大规模多输入多输出,以减轻信道多普勒和延迟色散效应。因此,我们建立了一个传输模型。然后,我们研究网络大规模多输入多输出下行链路传输策略,只有统计信道状态信息(CSI)在基站(BS),制定的策略设计问题作为一个优化问题,以最大限度地提高网络总速率。我们表明,波束域是有利的执行传输,并证明BS可以单独工作时,发送信号到用户终端。基于这些见解,网络大规模多输入多输出预编码设计被简化为关于波束域功率分配的网络和速率最大化问题。利用序贯优化方法和随机矩阵理论,进一步提出了一种保证收敛性能的波束域功率分配迭代算法。数值结果表明,所提出的基于统计CSI的网络大规模多输入多输出传输方法可以有效地缓解阻塞效应,并在毫米波和太赫兹频段上提供移动性增强。
2020-05-06 cs.IT eess.SP math.IT
Neural Beamforming with Doppler-Aware Sparse Attention for High Mobility Environments
University of Maryland College Park(马里兰大学学院市分校);DeepSig Inc(DeepSig公司)
本文提出Doppler-aware Sparse NNBF模型,通过信道自适应的二维时频稀疏注意力机制,在MU-SIMO高移动性场景中显著优于固定稀疏基线及ZFBF、MMSE等传统波束赋形方法。
2025-11-05 cs.IT cs.LG eess.SP
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
Robust High Mobility NLOS UE Beamforming Strategy for Gigantic MIMO
Lund University(隆德大学);Ericsson AB(爱立信)
本文提出一种无需额外导频开销的高移动性巨MIMO系统中非视距条件下的可靠通信链路策略,通过将UE波束成形方向对齐运动轴,减少多普勒扩展,提升时间稳定性。
2026-03-17 eess.SP
GeoGS-CE: Learning Delay--Beam Channel Priors with 3D Gaussians for High-Mobility Scenarios
iComAI Lab, HKUST(iComAI实验室,香港科技大学)
本文提出GeoGS-CE框架,通过3D高斯分布建模高机动场景中的信道特性,利用延迟-波束功率谱作为先验信息,提升稀疏试点下的信道频率响应重建精度。
2026-08-19 cs.AI cs.IT eess.SP
Time Varying Channel Tracking for Multi-UAV Wideband Communications with Beam Squint
无人机(UAV)以其机动性强、部署灵活等特点,在民用和商用领域得到了广泛的应用。由于无人机的连续导航,无人机与基站之间的信道会受到多普勒效应的影响。同时,当基站具有大量天线时,阵列孔径上不可忽略的传播延迟会引起波束偏斜效应。本文首先研究了多普勒频移效应和波束斜视效应下的无人机通信信道。然后,我们设计了一种基于无网格压缩感知(GCS)的信道跟踪方法,其中高维上行链路信道可以通过估计一些物理参数,如波达方向(DOA),多普勒频移,和复增益信息。此外,利用多普勒频移互易性和角度互易性,下行链路信道可以由一个导频符号导出,这大大减少了下行链路信道训练开销。各种仿真结果提供了验证所提出的方法的有效性。
2019-11-21 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
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
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
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
Mobility-aware Beam Steering in Metasurface-based Programmable Wireless Environments
可编程无线环境(PWE)利用电磁超表面将无线传播转换为软件控制的资源。在这项工作中,我们研究了用户设备移动性对PWE效率的影响。提出了一个分析模型,该模型描述了用户发射的波和有源PWE配置之间的潜在不对准,可以构成研究PWE排队问题的基础。随后,提出了一种新的波束控制方法,可以有效地减轻失调效应。基于光线跟踪的模拟评估所提出的计划。
2020-03-23 cs.ET cs.NI eess.SP
Robust and Low Complexity Beam Tracking with Monopulse Signal for UAV Communications
基于天线阵列的无人机通信需要波束跟踪技术来实现可靠的链路捕获。与传统的蜂窝通信不同,无人机通信中的波束跟踪解决了新的问题,例如移动性和来自无人机扰动的突然信道断开。为了解决这些问题,我们提出了一种基于扩展卡尔曼滤波器(EKF)的波束跟踪方案,使用单脉冲信号,它可以提供(1)更高的鲁棒性,通过提供一个可靠的链接在估计的空间方向和(2)较低的复杂度相比,现有的传统波束跟踪方案。我们指出的局限性,使用波束形成的信号作为测量模型的卡尔曼滤波器(KF)为基础的计划,而不是利用单脉冲信号作为一个更合理的模型。在性能评估方面,我们推导了无人机空间角度估计的均方误差上界,并证实了所提出的方案是稳定的,具有一定的有界误差。我们还表明,从各种模拟,所提出的方案可以有效地跟踪无人机和检测波束断开每个时间帧使用波束形成的信号。
2021-03-15 eess.SP
Millimeter-Wave True-Time Delay Array Beamforming with Robustness to Mobility
University of California, Los Angeles(加州大学洛杉矶分校)
本文提出一种基于真时间延迟的毫米波阵列波束成形方法,通过频率依赖的斜束实现对移动用户的鲁棒性,提升宽带多用户下行链路场景下的连接可靠性与适应性。
2025-12-09 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
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
Angular-Domain Selective Channel Tracking and Doppler Compensation for High-Mobility mmWave Massive MIMO
在本文中,我们考虑毫米波大规模多输入多输出(MIMO)通信系统与一个静态基站(BS)服务于一个快速移动的用户,都配备了一个非常大的阵列。发送的信号通过多个路径到达用户,每个路径具有不同的到达角,因此具有多普勒频率偏移,从而导致快速时变多径衰落MIMO信道。为了减轻多普勒引起的信道老化,减少导频开销,我们提出了一种新的角度域选择性信道跟踪和多普勒补偿方案在用户侧。我们将部分角域信道和DFO参数的联合估计表示为动态压缩感知问题。然后,我们提出了一个多普勒感知动态变分贝叶斯推理(DD-VBI)算法来有效地解决这个问题。最后,我们提出了一个实用的DFO补偿方案,该方案选择了快时变信道的主导路径进行DFO补偿,从而将其转换为慢时变的有效信道。与现有方法相比,该方案既能享受大规模多输入多输出提供的巨大阵列增益,又能平衡CSI信令开销和空间复用增益之间的权衡。仿真结果验证了所提出的方案优于各种基线方案。
2019-11-28 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
Cruising the Spectrum: Joint Spectrum Mobility and Antenna Array Management for Mobile (cm/mm)Wave Connectivity
The Ohio State University(俄亥俄州立大学);University of Nebraska - Lincoln(内布拉斯加大学林肯分校)
本文提出了一种基于POMDP和PBVI算法的频谱移动与天线阵列管理方法,以提高毫米波移动连接的波束成形性能。
2025-12-24 cs.NI eess.SP
Fast Channel Estimation and Beam Tracking for Millimeter Wave Vehicular Communications
毫米波(mmWave)被认为是高带宽车载通信的唯一可行解决方案。然而,提供令人满意的服务质量所需的频繁的信道估计和波束成形限制了用于车辆通信的毫米波。在本文中,我们提出了一种新的信道估计和波束跟踪框架毫米波通信在车载网络设置。对于信道估计,我们提出了一种算法,称为鲁棒自适应多反馈(RAF),实现现有的信道估计算法的估计性能相当,与一个显着较少的反馈位数。我们推导出估计误差(PEE)的RAF算法的概率上界和下界,给定一些信道估计,其准确性通过蒙特卡罗模拟验证。对于波束跟踪,我们提出了一个新的实用模型的毫米波车载通信。与现有的算法相比,该模型基于位置、速度和信道系数,使得跟踪性能有了显著的提高。针对新的波束跟踪模型,重新推导了雅可比矩阵方程,降低了车载通信的复杂度。大量的仿真结果表明,我们提出的信道估计方法和波束跟踪算法与现有的算法和模型相比,具有优越性。仿真结果表明,RAF算法可以达到预期的PEE,而平均而言,减少了75.5%的反馈开销和总的信道估计时间的14%。波束跟踪算法也被示出为显着提高波束跟踪性能,允许更多的空间用于数据传输。
2019-09-25 eess.SP
Effects of Small-Scale User Mobility on Highly Directional XR Communications
该研究针对XR高定向毫米波通信易受小规模用户移动影响导致波束失准的问题,构建XR游戏用户移动数据集开展分析,证实了小规模移动对波束失准的显著影响,指出需增强相关管控机制。
2024-07-08 cs.NI eess.SP
Extended Kalman Filter Beam Tracking for Millimeter Wave Vehicular Communications
毫米波(mmWave)通信是一种很有前途的技术,以满足车辆通信不断增长的数据流量。不幸的是,由于用于补偿高路径损耗的窄波束,在该频谱中需要更频繁的信道估计。因此,开发高效的波束跟踪算法对于实现该技术至关重要,特别是对于车辆通信中快速变化的环境。在本文中,我们提出了一种创新的方案,用于波束跟踪的基础上扩展的卡尔曼滤波器(EKF),提高了49%的均方误差性能在车辆设置。我们建议使用的位置,速度和信道系数作为状态变量的EKF算法,并表明,这种方法的结果在改进的波束跟踪与低计算复杂度,考虑到系统的运动学特性。我们还明确推导出封闭的表达式的雅可比矩阵的EKF算法。
2019-11-05 eess.SP
SSB-Based Sensing-Assisted Robust Beamforming for High-Mobility UAV Communications in LAWN
Shanghai Jiao Tong University(上海交通大学)
本文提出一种基于SSB的传感辅助预测鲁棒波束成形框架,通过传感驱动的状态估计和不确定性感知优化,解决高机动性无人机通信中传统反馈方案存在的过载和严重对齐问题,提升频谱效率和链路稳定性。
2026-10-14 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
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
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
Beamforming Network Optimization for Reducing Channel Time Variation in High-Mobility Massive MIMO
近年来,高移动性环境中的通信引起了人们的广泛关注。研究了大规模多输入多输出(MIMO)系统中的快时变信道。我们推导出准确的信道功率谱密度(PSD)的上行链路从高速铁路(HSR)到基站(BS),并建议通过波束成形网络优化,以进一步减少信道的时间变化。在高速铁路上安装了大规模均匀线阵,通过高分辨率发射波束形成在角度域分离多个多普勒频移。每个分支包括一个占主导地位的多普勒频移,它可以被补偿,以抑制信道的时间变化,我们推导出的信道PSD和多普勒扩展,以评估残留的信道时间变化。有趣的是,通道PSD可以精确地表示为方向图函数和光束失真函数的乘积。前者反映了阵列孔径的影响,是天线的辐射方向图的转换,而后者取决于波束形成方向的配置。受功率谱密度分析的启发,通过部分去除匹配滤波器(MF)波束形成器的恒模量化相位约束,引入一个通用的可配置幅度和相位(CCAP)参数来优化波束形成网络。通过这种方式,可以进一步抑制残余多普勒频移,进一步减小残余信道时间变化。推导了使多普勒扩展最小的最优CCAP参数的封闭形式。数值结果证实了信道功率谱分析和波束形成网络优化技术的优越性。
2019-07-01 eess.SP
Machine Learning Prediction for Phase-less Millimeter-Wave Beam Tracking
未来的无线网络可以在毫米波(mmW)和亚太赫兹(sub-THz)频率下操作以实现高数据速率要求。虽然大型天线阵列对于mmW和亚THz波段的可靠通信至关重要,但这些天线阵列还要求移动设备采用高效且可扩展的初始波束对准和链路维护算法。低功率相控阵架构和无相功率测量由于高频振荡器相位噪声提出了额外的挑战,实际波束跟踪算法。传统的波束跟踪协议需要对所有可能的波束方向进行详尽的扫描,并且在高移动性和大阵列的情况下缩放性差。已经提出了压缩感知和机器学习设计来改善测量随阵列大小的缩放,但是通常分别在硬件损害或需要原始样本的情况下降级。在这项工作中,我们介绍了一种新的长短期记忆(LSTM)网络辅助波束跟踪和预测算法,仅利用来自固定压缩码本的无相位测量。我们展示了与最先进的无相位光束对准算法相当的光束对准精度,同时随着时间的推移减少了所需测量的平均数量。
2022-06-06 eess.SP
A Low-Overhead Hierarchical Beam-tracking Algorithm for THz Wireless Systems
提出了一种适用于太赫兹无线系统的分层波束跟踪方法。其主要思想是采用一种基于预测的多分辨率码本算法,以减少跟踪所需的开销,并增加其鲁棒性。该算法的效率进行评估的平均导频数和均方误差(MSE),并与快速信道跟踪(FCT)算法的相应性能进行比较。我们的研究结果突出了所提出的方法相比FCT的优越性,在跟踪效率与低开销。
2020-05-04 eess.SP
Radar Rainbow Beams For Wideband mmWave Communication: Beam Training And Tracking
提出一种利用雷达彩虹波束辅助毫米波宽带通信的ISAC系统,实现快速波束训练与跟踪,并通过多天线接收方案准确估计信道参数,达到接近理想信道信息的通信速率。
2024-03-14 eess.SP
Beam Tracking with Photon-Counting Detector Arrays in Free-Space Optical Communications
检测器阵列上的光束中心位置是重要的(隐藏的)参数,其不仅从跟踪的角度来看是必不可少的,而且对于自由空间光通信中的脉冲位置调制符号的最佳检测也是重要的。在本文中,我们研究了光子计数探测器阵列的束流位置估计问题,为此,我们提出并分析了一些非贝叶斯束流位置估计器。这些估计进行了比较,在他们的均方误差,偏差和概率的错误性能。此外,Cramer-Rao下限(CRLB)的跟踪误差也推导出来,CRLB曲线给我们更多的见解有关的影响,检测器的数量和光束半径的均方误差性能。最后,波束位置估计的错误性能的概率上的影响进行了研究,我们的研究得出结论,当阵列上的波束位置估计尽可能准确时,系统的错误概率最小。
2020-01-12 eess.SP
Flight Sensor Data and Beamforming based Integrated UAV Tracking with Channel Estimation using Gaussian Process Regression
随着对无人机(UAV)应用的爆炸性增长的需求,需要为服务的UAV提供可靠的链路捕获。考虑到无人机的动态特性,如何在不发生波束失准的情况下保持可靠的链路是一个巨大的挑战。针对这一问题,提出了一种基于飞行传感器数据和波束形成信号的无人机综合跟踪方案。所提出的方案提供了一个兼容的综合系统,考虑到飞行传感器数据和波束形成导频信号的实际规格。无人机位置跟踪包括两个步骤:1)通过飞行传感器数据预测无人机位置; 2)使用高斯过程回归(GPR)方法利用波束形成信号进行位置更新,该方法是一种非参数机器学习。飞行传感器数据可以帮助地面站(GS)或UAV节点设计预编码和接收波束成形矩阵,从而大幅降低开销。波束形成信号可以实现即使在飞行传感器数据不存在时也要保持的高波束形成增益。因此,所提出的方案可以通过利用这两个信号来连续地支持运动目标。仿真结果证实了该方案优于其他传统的波束跟踪方案。我们还推导出3维(3D)波束形成增益和频谱效率(SE)的角度值估计的平均绝对误差(MAE),这可以被用来作为波束形成性能的指标的数据传输链路提前。
2020-11-20 eess.SP
Confidence-Guided Adaptive Beam Selection for Vision-Aided Beam Tracking in mmWave Systems
Universität Paderborn(帕德博恩大学);Brunel University of London(伦敦布鲁内尔大学);Technische Universität Dresden(德累斯顿工业大学)
针对毫米波系统视觉辅助波束跟踪中固定波束选择忽略不确定性的问题,提出置信度引导自适应波束选择方法,在DeepSense 6G场景8上实现了多项性能提升。
2026-10-16 eess.SP
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
Vehicular Connectivity on Complex Trajectories: Roadway-Geometry Aware ISAC Beam-tracking
在本文中,我们提出了传感辅助波束赋形设计的车辆在任意形状的道路上依靠通感一体化(ISAC)signaling.Specifically,我们的目标是解决传统的ISAC波束跟踪计划,不适用于复杂的道路几何形状的局限性。为了提高车辆到基础设施(V2 I)网络的跟踪精度和通信服务质量(QoS),必须对复杂的道路几何形状进行建模。为此,我们施加的曲线坐标系(CCS)的交互多模型扩展卡尔曼滤波器(IMM-EKF)框架。通过这样做,车辆在复杂道路上的位置和运动都可以显式地建模和精确跟踪,这归因于CCS的好处。此外,通过动态调整阵列的大小,从而控制波束宽度的优化问题,制定了最大化阵列增益,其中考虑到波束失准所造成的性能损失。数值仿真表明,道路几何感知ISAC波束形成方法优于通信为基础的技术和ISAC运动为基础的技术在跟踪性能。此外,我们的数值结果也验证了动态束宽设计的有效性。
2022-05-24 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
Real-Time Wave Mitigation for Water-Air OWC Systems Via Beam Tracking
在水-空光无线通信(OWC)信道中,动态海浪会使光束从其原始方向显著偏转,从而恶化通信性能。在这封信中,光束跟踪系统,以减轻波引起的通信退化的实验证明。通过在PAM 6系统上采用波束跟踪,在平均波斜率变化率为0.34 rad/s的情况下,在1.2 m的空中距离处实现了吞吐量的最大486%的提高(从140 Mb/s到820 Mb/s)。对于PAM 4信号,丢包率从75%显著降低到11%,最大吞吐量达到1.25 Gb/s。
2021-10-16 eess.SP physics.app-ph physics.optics