論文の概要: Position Aware 60 GHz mmWave Beamforming for V2V Communications Utilizing Deep Learning

• arxiv url: http://arxiv.org/abs/2402.01259v1
• Date: Fri, 2 Feb 2024 09:30:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-05 16:19:58.307141
• Title: Position Aware 60 GHz mmWave Beamforming for V2V Communications Utilizing Deep Learning
• Title（参考訳）: 深層学習を利用したV2V通信のための60GHzミリ波ビームフォーミング
• Authors: Muhammad Baqer Mollah, Honggang Wang, and Hua Fang
• Abstract要約: 本稿では, 車両位置情報を利用して, 十分なmWave受信パワーを有する最適ビームを予測するための深層学習に基づく解を提案する。 その結果,提案手法は平均して84.58%のリンクステータスを受信できることがわかった。
• 参考スコア（独自算出の注目度）: 2.4993733210446893
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Beamforming techniques are considered as essential parts to compensate the severe path loss in millimeter-wave (mmWave) communications by adopting large antenna arrays and formulating narrow beams to obtain satisfactory received powers. However, performing accurate beam alignment over such narrow beams for efficient link configuration by traditional beam selection approaches, mainly relied on channel state information, typically impose significant latency and computing overheads, which is often infeasible in vehicle-to-vehicle (V2V) communications like highly dynamic scenarios. In contrast, utilizing out-of-band contextual information, such as vehicular position information, is a potential alternative to reduce such overheads. In this context, this paper presents a deep learning-based solution on utilizing the vehicular position information for predicting the optimal beams having sufficient mmWave received powers so that the best V2V line-of-sight links can be ensured proactively. After experimental evaluation of the proposed solution on real-world measured mmWave sensing and communications datasets, the results show that the solution can achieve up to 84.58% of received power of link status on average, which confirm a promising solution for beamforming in mmWave at 60 GHz enabled V2V communications.
• Abstract（参考訳）: ビームフォーミング技術は、大きなアンテナアレイを採用し、狭いビームを定式化することにより、ミリ波(mmWave)通信における深刻な経路損失を補うために不可欠であると考えられている。 しかし、従来のビーム選択手法で効率的なリンク構成のために、このような狭いビーム上で正確なビームアライメントを行うことは、主にチャネル状態情報に依存しており、典型的にはかなりのレイテンシと計算オーバーヘッドを課す。 対照的に、車載位置情報などの帯域外コンテキスト情報を活用することは、そのようなオーバーヘッドを減らすための潜在的な代替手段である。 本稿では,十分なmm波受信パワーを有する最適ビームを予測し,最適なv2vラインオブアイリンクを積極的に確保するために,車両位置情報を用いた深層学習による解法を提案する。 実世界のmWave計測および通信データセットに対する提案手法を実験的に評価した結果,60GHz帯で受信したリンク状態の84.58%の電力を平均で達成でき,60GHz帯で伝送可能なV2V通信において,mWaveのビームフォーミングに期待できる解であることを確認した。

関連論文リスト

• Vehicle Cameras Guide mmWave Beams: Approach and Real-World V2V Demonstration [13.117333069558812]
  ミリ波(mmWave)とテラヘルツ(THz)の細いビームの正確な整列は、5Gの信頼性と高いデータレートを満足し、無線通信システムを超えたものに不可欠である。 車両に装着した360度カメラの画像を用いて将来のビームを予測するための,V2Vシナリオのためのディープラーニングソリューションを開発した。
  論文  参考訳（メタデータ） (2023-08-20T20:43:11Z)
• Deep Learning and Image Super-Resolution-Guided Beam and Power Allocation for mmWave Networks [80.37827344656048]
  我々は,ミリ波(mmWave)ネットワークのためのディープラーニング(DL)誘導ハイブリッドビームとパワーアロケーションアプローチを開発した。 教師付き学習と超解像技術の相乗効果を利用して、低オーバヘッドビームとパワーアロケーションを実現する。
  論文  参考訳（メタデータ） (2023-05-08T05:40:54Z)
• Reliable Beamforming at Terahertz Bands: Are Causal Representations the Way Forward? [85.06664206117088]
  マルチユーザ無線システムは、テラヘルツ帯域と大量のアンテナを利用することで、メタバース要件を満たすことができる。 既存の解にはチャネル力学の適切なモデリングが欠如しており、その結果、高流動シナリオにおける不正確なビームフォーミング解が生じる。 ここでは、変分因果推論における新しい人工知能アルゴリズムを利用して、動的で意味論的に認識されたビームフォーミングソリューションを初めて提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:02:46Z)
• Fast Beam Alignment via Pure Exploration in Multi-armed Bandits [91.11360914335384]
  我々は,ミリ波通信におけるBAレイテンシを低減するために,帯域幅に基づく高速BAアルゴリズムを開発した。 我々のアルゴリズムは2相ヘテロセダスティックトラック・アンド・ストップ (2PHT&S) と呼ばれる。
  論文  参考訳（メタデータ） (2022-10-23T05:57:39Z)
• A Novel Look at LIDAR-aided Data-driven mmWave Beam Selection [24.711393214172148]
  軽量ニューラルネットワーク(NN)アーキテクチャとそれに対応するLIDARプリプロセッシングを提案する。 nnベースのビーム選択方式は、ビーム探索のオーバーヘッドなしに79.9%のスループットを達成でき、95%のスループットを6ビーム以内で探索できる。
  論文  参考訳（メタデータ） (2021-04-29T18:07:31Z)
• Deep Learning-based Compressive Beam Alignment in mmWave Vehicular Systems [75.77033270838926]
  車両用チャネルは、より少ないチャネル測定でビームアライメントに活用できる構造を示す。 構造化圧縮センシング(CS)行列を設計するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-02-27T04:38:12Z)
• Federated mmWave Beam Selection Utilizing LIDAR Data [3.7352534957395522]
  We propose LIDAR aided beam selection for V2I mmWave communication system using federated training。 提案手法では、コネクテッドカーが協調して、システム正常動作中に、ローカルで利用可能なLIDARデータに基づいて共有ニューラルネットワーク(NN)を訓練する。 また,CNNアーキテクチャとLIDARプリプロセッシングの代替として,性能と複雑さの両面で,従来よりも大幅に優れていた,より複雑な畳み込みNN(CNN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-02-04T18:49:20Z)
• Distributional Reinforcement Learning for mmWave Communications with Intelligent Reflectors on a UAV [119.97450366894718]
  無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。 ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
  論文  参考訳（メタデータ） (2020-11-03T16:50:37Z)
• Applying Deep-Learning-Based Computer Vision to Wireless Communications: Methodologies, Opportunities, and Challenges [100.45137961106069]
  ディープラーニング(DL)はコンピュータビジョン(CV)分野で大きな成功を収めている。 本稿では,無線通信におけるDLベースのCVの適用について紹介する。
  論文  参考訳（メタデータ） (2020-06-10T11:37:49Z)
• Beamforming Learning for mmWave Communication: Theory and Experimental Validation [23.17604790640996]
  本稿では,最小ビームフォーミングゲインを保証しながら,探索時間を短縮し,CSIを必要としないビーム設計手法を提案する。 提案手法の有効性を,実生活計測によるコードブックの構築と性能評価の観点から評価する。
  論文  参考訳（メタデータ） (2019-12-28T05:46:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。