每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

用于空间波束 RSRP 预测的神经波束场

Created by
  • Haebom

作者

郭克强、钟宇恒、童欣、吕江滨、张锐

神经束场（NBF）

大纲

本文提出了神经波束场 (NBF)，这是一种混合神经物理框架，用于在密集多用户无线网络中高效且可解释的空间波束 RSRP 预测。NBF 引入了一个可学习的物理向量——多径条件功率分布 (MCPP)，用于表示特定站点的传播环境，从而将环境与特定的天线/波束配置分离。这有助于模型学习特定站点的多径特性并提升泛化性能。NBF 采用“黑盒-白盒”设计，其中基于 Transformer 的深度神经网络 (DNN) 从稀疏的用户测量和位置信息中学习 MCPP，而基于物理的模块则解析地推断波束 RSRP 统计数据。此外，NBF 引入了一种预训练和校准 (PaC) 策略，通过使用光线追踪先验知识进行预训练以及使用 RSRP 数据进行现场校准来提高收敛性和适应性。

Takeaways, Limitations

•
Takeaways：
◦
为高密度无线网络中的高效波束管理提供可扩展的、基于物理的解决方案。
◦
与传统的 CKM 和纯黑盒 DNN 相比，显著提高了预测精度、学习效率和泛化性能。
◦
在保持紧凑模型尺寸的同时提高性能。
◦
通过基于物理的预训练和现场校准提高收敛性和适应性。
•
Limitations：
◦
摘要中未指定有关具体 Limitations 的信息。
👍
Made with Slashpage