본 논문은 밀리미터파(mmWave) 통신에서 심각한 경로 손실을 보상하기 위한 필수적인 기술인 빔포밍에 대해 다룹니다. 특히, 기존의 빔 선택 방식은 채널 상태 정보와 완전 탐색을 통한 빔 스위핑에 의존하여 정확한 빔 정렬을 수행하는 데 계산 및 통신 오버헤드가 발생하는 문제점을 가지고 있습니다. 이러한 오버헤드는 고도로 동적인 시나리오를 포함하는 차량-기반시설(V2I) 및 차량-차량(V2V) 통신에서의 활용을 제한합니다. 본 논문에서는 센서 장치에서 얻은 감지 데이터와 같은 대역 외 상황 정보를 활용하여 충분한 mmWave 수신 전력을 갖는 최적의 빔을 예측하는 심층 학습 기반 솔루션을 제시합니다. 실제 측정된 mmWave 감지 및 통신 데이터를 사용하여 제안된 솔루션을 테스트한 결과, 최상위 13개 빔을 예측할 때 최대 98.19%의 정확도를 달성했습니다. 기존의 빔 스위핑 방식과 비교했을 때, 빔 스위핑 탐색 공간과 시간 오버헤드가 각각 약 79.67%와 91.89% 단축되어 mmWave 기반 통신에서 빔포밍을 위한 유망한 솔루션임을 확인했습니다.
