毫米波大规模MIMO的波束训练与波束跟踪

来源 :东南大学 | 被引量 : 0次 | 上传用户:hanlu198723620
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
毫米波大规模多输入多输出(Multiple-input Multiple-output, MIMO)通信是未来无线通信的关键技术之一。大规模 MIMO 系统利用波束成形技术不仅可以弥补毫米波信号传输的路径损耗又可以充分挖掘空间自由度。本文针对毫米波大规模 MIMO 中的波束训练和波束跟踪开展研究工作,具体如下。
  研究了基于码本的波束训练技术,提出了一种利用辅助计算设计的自适应码本并基于该码本提出了一种快速波束训练算法。在分层码本的每一层,首先根据之前几层的波束训练结果对信道的到达角(Angle of Arrival, AOA)或出发角(Angle of Departure, AOD)进行估计,然后自适应的设计能够对准所估计出的AOA或AOD的当前层码字。得益于在设计自适应码本和波束对准的过程中使用额外的计算资源进行辅助,本文提出的算法相比于现有的分层码本算法可以在提升波束训练的准确性的同时大幅度减少训练的开销。仿真结果验证了本文提出的算法的有效性。
  考虑到收发端的移动性,可基于当前波束训练结果进行波束跟踪。为提高波束跟踪的效率,本文提出了一种基于重叠码字的快速波束跟踪算法。该算法仅需测试少量的波束即可完成波束跟踪而不需要其他辅助设备提供信道先验信息。该算法根据毫米波波束域信道能量分布特征,在每轮信道探测时,利用重叠码字形成波束指向接收端可能的空间位置依次进行探测,根据探测结果动态调整探测方向,直到发射波束与接收波束均对准毫米波信道的主径。仿真结果表明本算法相比于穷举搜索算法可以显著减少波束跟踪的开销,并具有更高的波束跟踪准确性。
其他文献
情感识别在人机交互方面一直是一个极其重要的领域,涉及到了人工智能,情感计算等多个组成部分。语音往往能够直接的表达出人类的情感,因此如何提高语音情感识别的准确率一直是声学领域的热门研究课题。语音情感识别在生活中有着重要的意义,如机器自动识别儿童的情感并加以疏导或记录,以便家长能够更好的关注于儿童的心理健康;在公安局或监狱内,通过非接触式的识别被审问人的语音情感,能够更好的辅助警方发现嫌疑人的心理活动
语音分离技术作为语音信号处理系统前端,其分离的语音质量会直接影响到语音信号处理系统的性能。传统语音分离算法在高混响、低信噪比的环境下性能下降严重。本文在计算听觉场景分析CASA(Computational auditory scene analysis)框架下,结合麦克风阵列空间信息和深度神经网络,提出了两种语音分离算法:基于改进的相位变换加权可控响应功率 SRP-PHAT(Steered Res
学位
语音是人和人之间最重要的沟通媒介之一,在人机交互中也扮演着非常重要的角色,因此语音识别一直是人工智能领域的热门研究方向。传统的语音识别一般需要大量的有标注语音数据参与训练模型,才能使模型在测试数据上达到较高的准确率,进而达到应用在工业生产和日常生活的需求,而语音数据的采集和标注往往需要耗费大量的人力物力,训练过程也需要消耗大量计算资源,不仅如此,针对小语种和方言,标注数据的获取更为困难。为了应对这
学位
随着多媒体技术的迅速发展,包括图像、视频在内的视觉数据迅速增加,而这些海量的数据往往蕴含着大量有价值的信息,通过计算机视觉技术来分析这些信息可以让人类的生活更加便捷和安全。目标跟踪是计算机视觉领域中的经典任务之一,它旨在从任意一段视频中的一帧中指定一个物体,在后续的连续帧中推导出其位置。目标跟踪对于自动驾驶、安防系统等领域有着重大的应用价值。本文基于深度学习中的孪生网络对目标跟踪进行了深入研究,使
学位
近年来,随着人工智能的不断发展,自动驾驶作为其重要落地项目也取得了巨大的进展。目前,自动驾驶主要由环境感知、行为决策与车辆通信三个方面组成。本文针对环境感知中的视觉辅助提出基于深度学习的实时语义分割算法,对行驶前进方向的街景图像做出实时语义分析;针对自动驾驶中的行为决策,提出使用深度强化学习的方法进行优化;针对车辆通信中提高车辆与路边单元通信效率方面,提出基于深度强化学习的方法,在车辆自动驾驶的情
学位
随着物联网等技术的兴起,无线通信技术作为推动社会经济发展的关键因素,需要满足越来越高的需求。相较于第四代移动通信技术,第五代移动通信技术以及未来通信需要满足超高吞吐量、高数据传输速率、超高带宽、超低时延以及高可靠性等要求。然而目前6GHz以下频段的通信技术已经基本达到极限,且无法满足“超高容量、巨连接、广应用”的发展需求。为了挖掘更多的频谱资源,实现高带宽、高性能通信,毫米波技术受到业界的广泛关注
学位
随着人类步入信息时代,信息安全获得了越来越多的关注,因此研究安全高效的生物识别技术具有重要意义。指静脉识别凭借其内部特征、活体识别、安全性高等优异性能而成为生物识别领域的研究热点。本文从传统方法和深度学习两个方面对指静脉识别进行研究,对图像预处理、特征提取以及识别匹配的全过程进行了详细探讨。本文的主要研究内容如下:  第一,概述了常见生物特征识别技术的特点,分析了指静脉识别的优势;阐述了指静脉图像
学位
近年来,随着深度学习和图像处理技术的飞速发展,目标检测成为了计算机视觉领域中研究的热点之一。目标检测的任务是检测出图像中感兴趣的目标,确定目标的所属类别和位置大小。由于视觉图像中多样的目标外观、尺寸、姿态,不同的拍摄角度、光照条件等问题,依赖于手工特征的传统目标检测算法一直有很大局限性。而随着深度学习理论的不断发展,算法和网络结构的不断创新,深度学习在各类目标检测公开数据集中取得了优异的成绩,为很
学位
基于视觉的即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术,作为实现全自主移动机器人的关键技术之一,引起了自动驾驶、增强现实等新兴领域学者的广泛关注。结合语义分割与视觉SLAM ,开发基于深度学习的语义SLAM技术成为突破传统视觉SLAM算法瓶颈的重要方向。针对环境感知与实时性需求,文章提出了基于深度学习的语义SLAM系统方案,利用深度
学位
实正弦信号频率估计不仅是现代数字信号处理领域重要的研究课题,而且在军用和民用雷达系统、通信系统、生物医学等领域都有着广泛的应用,因而高斯白噪声背景下实正弦信号频率估计问题的研究有着重要的理论意义与应用价值。并且,离散傅里叶变换(DFT)因物理意义直观明确和计算量小等优点,逐渐成为重要研究方向之一。本文对插值DFT(IpDFT)和智能DFT(SDFT)相关算法进行研究,发现实正弦信号DFT存在栅栏效
学位