毫米波频段拥有非常丰富的频谱资源,支持更高速的数据传输,因此成为通信领域近年来的研究热点。基于大规模输入输出(Massive Multiple Input Multiple Output,mMIMO)的波束成形技术可以有效补偿毫米波的高路损,是5G毫米波通信中的一项...毫米波频段拥有非常丰富的频谱资源,支持更高速的数据传输,因此成为通信领域近年来的研究热点。基于大规模输入输出(Massive Multiple Input Multiple Output,mMIMO)的波束成形技术可以有效补偿毫米波的高路损,是5G毫米波通信中的一项关键技术。但是在高速移动场景下,信道变化加速,必须进行频繁的波束切换才能保证良好的通信质量,故而大大增加了信令开销与资源消耗。如何在高动态场景下降低波束切换开销、提升波束切换速度与效率成为关键问题。针对直射径(Light of Sight,LOS)被遮挡情况下的复杂信道环境,文中提出了一种基于长短期记忆(Long Short Term Memory,LSTM)网络的多站点协作波束切换算法,根据过去一段时间的波束信息,学习信道环境与服务波束序号的内在联系,并预测当前时刻切换的最佳波束。仿真结果表明,与基于当前信道环境信息的遍历搜索算法相比,所提波束切换算法在上行发射功率较高时性能接近,在上行发送功率较低时,性能更优,体现了所提算法的优势。展开更多
文摘毫米波频段拥有非常丰富的频谱资源,支持更高速的数据传输,因此成为通信领域近年来的研究热点。基于大规模输入输出(Massive Multiple Input Multiple Output,mMIMO)的波束成形技术可以有效补偿毫米波的高路损,是5G毫米波通信中的一项关键技术。但是在高速移动场景下,信道变化加速,必须进行频繁的波束切换才能保证良好的通信质量,故而大大增加了信令开销与资源消耗。如何在高动态场景下降低波束切换开销、提升波束切换速度与效率成为关键问题。针对直射径(Light of Sight,LOS)被遮挡情况下的复杂信道环境,文中提出了一种基于长短期记忆(Long Short Term Memory,LSTM)网络的多站点协作波束切换算法,根据过去一段时间的波束信息,学习信道环境与服务波束序号的内在联系,并预测当前时刻切换的最佳波束。仿真结果表明,与基于当前信道环境信息的遍历搜索算法相比,所提波束切换算法在上行发射功率较高时性能接近,在上行发送功率较低时,性能更优,体现了所提算法的优势。