文献类型：期刊文章

作　　者：李雨泽[1,2] 李心安[1,2]

LI Yu-ze;LI Xin-an(School of Communication and Information Engineering,Chongqing University of Posts and Telecommunication,Chongqing 400065,China;Key Laboratory of New Generation Broadband Mobile Communication Technology,Chongqing University of Posts and Telecommunication,Chongqing 400065,China)

机构地区：[1]重庆邮电大学通信与信息工程学院,重庆400065 [2]重庆邮电大学新一代宽带移动通信重点实验室,重庆400065

出　　处：《光通信研究》

基　　金：国家科技重大专项资助项目(2018ZX03001026-002)。

年　　份：2023

期　　号：6

起止页码：72-76

语　　种：中文

收录情况：DOAJ、ZGKJHX、普通刊

摘　　要：在车辆到基础设施(V2I)通信中,毫米波波束宽度窄、设备移动性高,有效的毫米波波束选择是一项关键而又富有挑战性的任务。针对波束搜索过程开销大的问题,文章提出了一种基于雷达和位置信息的毫米波波束选择算法。所提算法使用Top-k分类度量在激光雷达数据和波束跟踪通道数据集上训练神经网络结构,并且使用全局上下文网络(GCNet)模型预测最佳波束对。仿真结果表明,所提算法性能在分类识别准确率上有明显提升,与此同时,仅需搜索5个波束便能接近穷举搜索的性能,大大减少了波束搜索开销。

关 键 词：毫米波 波束选择  机器学习  神经网络 GCNet  

分 类 号：TN928]