论文部分内容阅读
随着移动互联网的高速发展和移动终端持续增长,新的应用场景和新兴产业不断涌现,第五代移动通信(5th Generation Mobile Communication,5G)技术成为实现高速率通信、海量设备连接和超低时延的必需方案。多天线和毫米波通信是5G的两大核心技术,毫米波通信可以使用大量空闲带宽来提高系统的传输速率和吞吐量,多天线技术可以通过波束赋形有效补偿毫米波通信面临的高传输损耗,两者相结合能很好的解决高速率传输和超低时延问题。在为系统带来显著性能提升的同时,基于波束的通信也面临着诸多挑战,因此5G标准给出了维护毫米波波束通信的波束管理流程,解决包括初始接入和连续追踪等阶段的波束连接问题。本论文对人工智能(Artificial Intelligence,AI)辅助的5G毫米波波束管理展开研究,具体内容如下:首先,研究毫米波波束管理基础原理,从波束赋形技术、毫米波信道和码本设计等方面进行详细分析。在介绍波束赋形技术,包括阵列信号传播模型和现有波束赋形分类的基础上,分析当下采用基于离散码本的模拟波束赋形技术的实际意义,从信道的角度分析毫米波传输特点、波束赋形解决毫米波高传输损耗问题的原理,由于本论文研究基于离散码本的波束赋形,所以之后还会分析不同码本设计的特点和注意事项,并总结5G标准中所提到的波束管理流程。接着,针对毫米波通信中移动用户端波束追踪问题,设计LSTM(Long Short Term Memory)网络,解决连续波束追踪准确率低的问题。对毫米波通信中移动用户端波束追踪问题进行研究。在对用户侧移动场景进行建模的基础上,阐述波束追踪所面临的问题,并同时介绍5G标准对波束测量做出的相关规定,根据用户移动属性结合采集的实际空口数据设计多层双向LSTM网络来实时跟踪用户端的最优波束,在后期测试中发现设计网络对不同多径环境具有敏感性,增加模块化思想的切换网络。空口数据测试表明,所提出算法在移动场景下预测准确率比其他传统算法最多高出40%,波束追踪恢复时间少20%以上,可以有效实现对移动用户的波束追踪。然后,搭建用于验证波束追踪算法的毫米波传输验证平台,并在实际场景下进行演示。在给出验证平台总体硬件组成架构的基础上,简要描述系统处理流程,并重点介绍其中若干设备,给出系统的软件架构设计,包括基带部分USRP-RIO(Universal Software Radio Peripheral-Reconfig I/O)设计和通用服务器端软件设计,基带部分设计包括各个功能模块的介绍,神经网络部分设计包括各个处理线程的功能介绍,展示人工智能辅助的接收端波束追踪算法在实际场景下的演示效果,包括视频传输功能和各项指标实时展示。最后,针对毫米波通信中的双端波束初始接入问题进行研究,提出基于分级码本的分级网络,降低初始波束接入时延。在对双端波束接入问题进行建模并回顾了若干算法的基础上,对分级码本算法进行深入研究,包括对波束相位和分级原理的分析,研究不同多径、不同搜索框对分级码本算法的影响,依据该算法思想提出基于分级码本的的神经网络算法,在分析码本特性后,选取了合适的搜索框大小以及分级策略,并使用提前终止技巧进一步提升了网络准确性。仿真结果表明,基于分级码本的神经网络算法时间复杂度只有分级码本的1/3,而预测准确率只下降了2%左右,有效降低初始波束接入时延。