CN111641955A - 智能反射面辅助毫米波通信网络的前摄性波束切换方法 - Google Patents
智能反射面辅助毫米波通信网络的前摄性波束切换方法 Download PDFInfo
- Publication number
- CN111641955A CN111641955A CN202010487291.7A CN202010487291A CN111641955A CN 111641955 A CN111641955 A CN 111641955A CN 202010487291 A CN202010487291 A CN 202010487291A CN 111641955 A CN111641955 A CN 111641955A
- Authority
- CN
- China
- Prior art keywords
- beam switching
- millimeter wave
- network
- side information
- position side
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/046—Wireless resource allocation based on the type of the allocated resource the resource being in the space domain, e.g. beams
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
Abstract
针对在多个智能反射面辅助毫米波通信系统中的波束切换问题,本发明提出了一种基于机器学习的运动及环境觉知能力实现高效的波束切换机制。相比与传统的基于波束空间搜索的波束切换方法,本发明能够以较低的信令开销,实现接近最优的波束切换性能。
Description
技术领域
本发明涉及在多智能反射面(Intelligent reflecting surface,IRS)辅助的毫米波通信系统中,利用机器学习方法,以较低的信令开销实现移动终端的前摄性波束切换,属于无线通信技术领域。
背景技术
随着多媒体技术及应用的发展,6GHz以下频段已经不能满足日益增长的无线速率需求。毫米波(Millimeter wave,mmWave)凭借其丰富的未开发频谱资源具有应对未来爆炸式流量增长的潜力,并且已经成为第五代移动通信的关键技术。巨大的路径损耗是实现毫米波通信的第一个严峻挑战,为了补偿毫米波传输严重的路径损耗,毫米波基站通常采用大规模天线阵列进行窄波束成形,通过将信号能量聚集到某一用户提高服务质量。然而,毫米波方向性传输对阻塞非常敏感,一些常见材料,比如砖块、塑料、甚至人体的遮挡都可能造成毫米波信号的严重衰减,从而导致链路中断,这也为毫米波网络的规划和实施带来了新的挑战。为此,IRS被应用到毫米波蜂窝系统中以提升毫米波网络的覆盖能力。
IRS是近年来兴起的一种电磁可控材料,其凭借较低的制造成本和能量消耗引起了学术界和工业界广泛关注。IRS是一种包含了大量低成本被动反射阵子的天线阵列,其中的每一个阵子能够独立调节入射电磁波的相位和幅度,从而控制电磁波的传播环境。传统的无线技术一般都是在收发端进行信号处理,以适应动态且不可控的无线信道,而IRS能够通过可控的智能信号反射技术主动地修正无线信道,从而提升无线通信系统的性能。因此,IRS为蜂窝系统整体性能的进一步提升提供了新的自由度,并为智能可编程无线环境的实现铺平了道路。在毫米波蜂窝系统中,阻塞问题会严重降低通信质量,甚至造成链路中断。IRS凭借其改变电磁波传输环境的能力,有潜力成为应对这一挑战的新思路。通过IRS的合理配置及其相位调节,能够使来自基站的毫米波信号绕过遮挡物到达用户,从而提高用户的服务质量和毫米波网络的覆盖能力。
波束切换是解决毫米波网络中由终端运动造成的切入点切换的关键技术。然而,对于IRS辅助的毫米波网络,IRS的密集配置使波束切换更加频繁,传统的基于波束搜索的波束切换方法由于较高的信令开销,难以应用于低时延、小数据包传输的通信场景,亟需高效的波束切换方法来应对这一新挑战。近年来,机器学习特别是深度学习凭借其解决高动态复杂问题的能力,在各个领域得到广泛应用,特别在是在自然语言处理,图像识别等。同时,机器学习方法已经被应用到解决动态演进且难以准确利用数学模型求解的通信系统优化问题,而波束切换属于这一类问题。因此,本发明基于对目标毫米波网络大量采样建立指纹数据库,利用了深度学习的环境觉知能力,建立位置边信息与波束切换决策之间的联系。然后,对于高动态场景,利用在线学习方法(比如动态神经网络)挖掘终端的运动规律,预测终端的位置边信息,从而实现前摄性的波束切换。目前国内外对IRS的研究尚处于起步阶段,对于IRS辅助的毫米波通信网络的波束切换问题更鲜有涉及。
发明内容
本发明考虑了一个实际的多IRS辅助的毫米波通信网络,其中IRS为纯被动结构,移动终端配置有运动传感器,能够实时获取位置边信息。这些终端在毫米波网络中快速运动并且需要频繁切换接入点以维持通信链路质量。
1.基于机器学习的前摄性波束切换方法
本发明提出了基于机器学习的前摄性波束切换方法分为以下两部分。基于深度学习的环境觉知:利用深度学习的环境觉知能力建立位置边信息与最优的波束切换决策之间的关系;基于在线学习的运动觉知:利用在线学习方法(如动态神经网络)挖掘用户的运动规律,基于运动传感器实时收集的位置边信息数据,预测未来的位置边信息。将预测的位置边信息输入到环境觉知网络实现前摄性的波束切换决策。
附图说明
图1为智能反射面辅助的毫米波通信网络架构图。
图2为智能反射面辅助毫米波通信系统的波束切换实现流程图
图3为基于深度学习的环境觉知实现示意图。
图4为基于环境运动觉知的前摄性波束切换实现示意图。
图5为波束切换成功比例随训练轮数的仿真结果示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步的详细描述。
参见图1,智能反射面(IRS)辅助的毫米波通信网络架构图,终端与基站之间存在阻塞,而基站与IRS,IRS与终端之间存在视径(LOS),基站向IRS发射波束,IRS通过调整自身反射参数将反射波束对准用户,这样,通过IRS绕过遮挡物,从而提高用户服务质量与网络的覆盖范围,另外,用户与基站,用户与反射面,反射面与基站有无线控制链路,即低频反馈信道,用来实现信道信息、控制信息的交互。
参见图2,智能反射面辅助毫米波通信系统的实现流程图,首先,通过目标网络采样得到位置边信息-最优波束切换决策的指纹数据库;然后,利用该指纹数据库训练深度神经网络实现环境觉知,建立位置边信息与最优波束切换决策之间的联系;其次,利用在线学习方法的实现运动觉知,基于历史位置边信息预测未来的位置边信息;最后,融合环境运动觉知,实现前摄性的波束切换。
参见图3,基于机器学习的环境觉知实现示意图,首先,在目标网络采集终端位置边信息-波束切换决策的指纹数据库;然后,用采集的指纹数据库训练深度神经网络,挖掘用户位置边信息与波束切换之间的关系,实现网络环境觉知;最后,当终端运动传感器获取的实时位置边信息输入到训练的环境觉知网络,便能够立即得到相应的波束切换决策,从而避免了传统波束切换高开销的波束搜索过程。
参见图4,基于环境运动觉知的前摄性波束切换实现示意图,首先,在终端侧,通过配置的运动传感器获取位置边信息并存储来缓存池中,训练动态神经网络(在线学习模块)以挖掘终端的运动规律并预测其位置边信息,实现终端的运动觉知;然后,在现实环境中,用户将历史位置边信息输入到训练的在线学习模块,便可以得到预测的位置边信息;最后,将预测的位置边信息输入到环境觉知网络,通过波束切换信息的预测实现前摄性的波束切换,避免了由过时的位置边信息导致波束切换性能降低的问题。
参见图5,波束切换成功比例随训练轮数的仿真结果示意图,本发明所提的基于机器学习的前摄性波束切换方法能够通过一定轮数的训练达到99%的波束切换成功比例。
以上所述仅为本发明的一个实例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (1)
1.一种基于机器学习的波束切换策略,此毫米波网络中配置多个智能反射面(Intelligent reflecting surface,IRS),多个移动终端,当移动终端在跨越不同的IRS服务区域时,需要通过波束切换过程维持终端与网络的实时连接,所提的波束切换策略为:
(1)基于机器学习的前摄性波束切换方法:本发明提出了利用机器学习方法实现IRS辅助毫米波网络的高效波束切换,具体过程包括以下两个阶段:
(11)基于深度学习的无线环境觉知:利用移动终端配置的运动传感器收集用户的位置边信息,并将通过穷举搜索得到的波束切换决策,构成指纹数据库训练深度神经网络实现无线通信环境觉知,通过深度学习建立位置边信息与波束切换的关系,移动终端能够依靠实时位置信息确定相应的波束切换决策。
(12)基于在线学习的终端运动觉知:对于高动态的移动终端,依靠过时的位置边信息难以实时做出最优的波束切换决策,因此,本发明提出利用在线学习的运动觉知能力挖掘终端运动规律,预测未来的位置边信息,结合(11)中的环境觉知网络,实现更敏捷的前摄性波束切换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010487291.7A CN111641955A (zh) | 2020-06-01 | 2020-06-01 | 智能反射面辅助毫米波通信网络的前摄性波束切换方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010487291.7A CN111641955A (zh) | 2020-06-01 | 2020-06-01 | 智能反射面辅助毫米波通信网络的前摄性波束切换方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111641955A true CN111641955A (zh) | 2020-09-08 |
Family
ID=72331195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010487291.7A Pending CN111641955A (zh) | 2020-06-01 | 2020-06-01 | 智能反射面辅助毫米波通信网络的前摄性波束切换方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111641955A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112367672A (zh) * | 2020-09-29 | 2021-02-12 | 北京邮电大学 | 一种室内波束搜索与追踪方法、装置和电子设备 |
CN113133014A (zh) * | 2021-03-23 | 2021-07-16 | 清华大学 | 基于智能反射面的广义电磁波轨道角动量传输系统 |
CN113727363A (zh) * | 2021-07-23 | 2021-11-30 | 中国信息通信研究院 | 一种中间节点的波束管理方法和设备 |
WO2022100471A1 (zh) * | 2020-11-13 | 2022-05-19 | 华为技术有限公司 | 反射面调节方法以及相关装置 |
CN115209423A (zh) * | 2022-06-30 | 2022-10-18 | 北京邮电大学 | 面向切换性能的6g智能超表面网络配置方法 |
WO2023172175A1 (en) * | 2022-03-08 | 2023-09-14 | Telefonaktiebolaget Lm Ericsson (Publ) | Network node and method for handling beam-based communication in a wireless communications network comprising a reconfigurable intelligent surface |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108243451A (zh) * | 2016-12-27 | 2018-07-03 | 中国移动通信集团辽宁有限公司 | 一种基于mr数据在td-lte栅格中定位的方法和系统 |
CN110971279A (zh) * | 2019-12-30 | 2020-04-07 | 东南大学 | 一种毫米波通信系统中智能波束训练方法及预编码系统 |
-
2020
- 2020-06-01 CN CN202010487291.7A patent/CN111641955A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108243451A (zh) * | 2016-12-27 | 2018-07-03 | 中国移动通信集团辽宁有限公司 | 一种基于mr数据在td-lte栅格中定位的方法和系统 |
CN110971279A (zh) * | 2019-12-30 | 2020-04-07 | 东南大学 | 一种毫米波通信系统中智能波束训练方法及预编码系统 |
Non-Patent Citations (2)
Title |
---|
JINGLIN ZHANG 等: "Position-Attitude Prediction Based Beam Tracking for UAV mmWave Communications", 《ICC 2019 - 2019 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS (ICC)》 * |
VUTHA VA 等: "Inverse Multipath Fingerprinting for Millimeter Wave V2I Beam Alignment", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112367672A (zh) * | 2020-09-29 | 2021-02-12 | 北京邮电大学 | 一种室内波束搜索与追踪方法、装置和电子设备 |
CN112367672B (zh) * | 2020-09-29 | 2022-04-15 | 北京邮电大学 | 一种室内波束搜索与追踪方法、装置和电子设备 |
WO2022100471A1 (zh) * | 2020-11-13 | 2022-05-19 | 华为技术有限公司 | 反射面调节方法以及相关装置 |
CN113133014A (zh) * | 2021-03-23 | 2021-07-16 | 清华大学 | 基于智能反射面的广义电磁波轨道角动量传输系统 |
CN113133014B (zh) * | 2021-03-23 | 2022-06-03 | 清华大学 | 基于智能反射面的广义电磁波轨道角动量传输系统 |
CN113727363A (zh) * | 2021-07-23 | 2021-11-30 | 中国信息通信研究院 | 一种中间节点的波束管理方法和设备 |
CN113727363B (zh) * | 2021-07-23 | 2024-02-09 | 中国信息通信研究院 | 一种中间节点的波束管理方法和设备 |
WO2023172175A1 (en) * | 2022-03-08 | 2023-09-14 | Telefonaktiebolaget Lm Ericsson (Publ) | Network node and method for handling beam-based communication in a wireless communications network comprising a reconfigurable intelligent surface |
CN115209423A (zh) * | 2022-06-30 | 2022-10-18 | 北京邮电大学 | 面向切换性能的6g智能超表面网络配置方法 |
CN115209423B (zh) * | 2022-06-30 | 2023-12-29 | 北京邮电大学 | 面向切换性能的6g智能超表面网络配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111641955A (zh) | 智能反射面辅助毫米波通信网络的前摄性波束切换方法 | |
Temesvári et al. | Review of Mobile Communication and the 5G in Manufacturing | |
US10103819B2 (en) | Quasi-optical coupler | |
Liu et al. | Mobility modeling, location tracking, and trajectory prediction in wireless ATM networks | |
Jia et al. | Machine learning empowered beam management for intelligent reflecting surface assisted MmWave networks | |
CN114071484A (zh) | 基于人工智能的通信方法和通信装置 | |
US11356936B1 (en) | Edge device, central cloud server, and method for handling service for multiple service providers | |
CN111405586A (zh) | 一种基于Cost231-Hata模型的无线智能传播方法 | |
Loscrí et al. | BEST-RIM: A mmWave Beam Steering Approach Based on Computer Vision-Enhanced Reconfigurable Intelligent Metasurfaces | |
KR102368576B1 (ko) | 지역 동적 지도를 이용한 채널상태 예측을 통한 무선 통신을 수행하기 위한 방법 및 장치 | |
CN112188497B (zh) | 一种空地一体化车辆网频谱资源优化方法 | |
Qian et al. | Research on dynamic handover decision algorithm based on fuzzy logic control in mobile fso networks | |
CN115052296B (zh) | 一种可用于6G的智能Rank下行速率优化的方法 | |
CN104980959A (zh) | 基于移动终端移动模式认知的网络切换优化方法及系统 | |
Alkhatieb et al. | IRS-aided UAV for Future Wireless Communications: A Survey and Research Opportunities | |
Sakthivel | Generic framework for handoff in wireless sensor networks with random forest classifier | |
CN113784313A (zh) | 一种基于可重构反射超表面的车联网通信优化方法及系统 | |
Lakshminarasimman et al. | Base station placement for dynamic traffic load using evolutionary algorithms | |
Benelmir et al. | Simulated annealing-based beam management for 5G vehicular networks | |
CN113993099A (zh) | 一种面向三维空间移动无人机用户的切换参数配置方法 | |
Kaur et al. | Contextual beamforming: Exploiting location and AI for enhanced wireless telecommunication performance | |
CN113270727A (zh) | 一种天线装置 | |
CN115209423B (zh) | 面向切换性能的6g智能超表面网络配置方法 | |
Heimann et al. | Demo Abstract: Experimental 6G Research Platform for Digital Twin-Enabled Beam Management | |
Zeng et al. | A self-adaptive AP selection method based on information theory in the fingerprint location scene |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |