系统工程与电子技术

作者：王俊智, 仲伟志, 肖丽君, 王鑫, 朱秋明, 林志鹏

单位：1. 南京航空航天大学航天学院, 江苏 南京 210016；2. 南京航空航天大学电子信息工程学院, 江苏 南京 210016

关键词：毫米波,室内环境,波束搜索,迁移学习

基金：国家自然科学基金面上项目(62271250);江苏省重点研发计划(产业前瞻与关键核心技术)(BE2022067);江苏省重点研发计划(产业前瞻与关键核心技术)(BE2022067-1);江苏省重点研发计划(产业前瞻与关键核心技术)(BE2022067-3)

使用基于深度学习的室内波束选择方法可以显著提高波束匹配概率和搜索效率, 但该方法需要大型数据集来调整其大量可训练参数, 导致了额外的系统开销。针对这一不足, 结合一种迁移学习技术, 使得目标场景神经网络以小数据集方式获得与大数据集相近的匹配精度, 从而减小基于深度学习的波束选择方法中数据集大小对匹配结果产生的影响。首先使用大型数据集在一个源场景中对源神经网络进行充分训练, 使得网络参数能够充分包含信道状态信息以及环境信息; 而后利用源神经网络参数对目标场景中的神经网络进行不同程度初始化, 使该神经网络在经过小数据集训练后依然可以获得较好的波束匹配性能。仿真结果表明, 针对室内波束选择场景, 在数据集有限的情况下, 使用迁移学习方法进行波束选择, 同样可以获得较高的匹配精度。

来源：2024年第3期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2024年第3期