毫米波通信系统往往利用相控阵天线和波束成形技术产生高增益定向波束来补偿毫米波严重的路径衰落。传统波束管理技术一般使用穷尽波束搜索（Exhaustive Beam Search,EBS）或分层波束搜索（Hierarchical Beam Search,HBS）来获取最优发射和接收波束对。然而,当波束数量较大时,两种传统方法常常具有巨大的波束训练开销。在此背景下,本文利用宽波束覆盖角度大和窄波束波束成形增益高的特性,研究了毫米波相控阵智能波束管理技术。具体来说,本文提出了两种智能波束训练算法:基于宽窄波束映射（Wide-to-Narrow Beam Mapping,WNBM）的智能波束训练算法和基于波束互信息和宽窄波束映射（Beam Mutual Information and Wide-to-Narrow Beam Mapping,BMI-WNBM）的智能波束训练算法。主要工作和创新点如下:首先,为了减小开销,本文提出了采用部分宽波束搜索的WNBM算法。该算法将整个宽波束空间均匀划分,每个区域包含相等数目的多个宽波束,在每个区域中选择一个宽波束（且选择的宽波束不相邻）组成宽波束训练集来预测最优窄波束。这样既保证了对整个宽波束空间的均匀探索,又减小了波束训练开销。仿真结果表明,WNBM算法在波束对准准确率、归一化波束成形增益、以及有效吞吐量上优于基线算法。其次,在阻塞环境中,针对上述WNBM算法选择的宽波束方向可能被阻塞所导致的波束对准鲁棒性较差问题,本文进一步提出了BMI-WNBM算法。该算法首先对训练数据进行预处理,计算每一个宽波束与最优宽波束之间的互信息,称为波束互信息（Beam Mutual Information,BMI）。然后在每个区域内选择互信息值最大的宽波束组成宽波束训练集来预测最优窄波束。此时,BMI-WNBM算法在选择部分宽波束时,能有效地避开被阻塞的方向,从而增强了波束对准鲁棒性。仿真结果表明,在阻塞环境中,BMI-WNBM算法在波束对准准确率、归一化波束成形增益、以及有效吞吐量上优于WNBM算法和基线算法。最后,与基线算法相比,上述两种算法可以在没有用户历史信息或不进行额外波束训练的情况下,通过部分宽波束训练实现低开销高增益快速窄波束对准。