Wireless InSite参考

以下是作者在研究中使用Remcom软件的科技文章列表。  我们已经将出版物摘要和非现场链接的摘录包含在原始出版的内容中。

1. 高速移动毫米波系统的深度学习协调波束形成

在毫米波(mmWave)系统中支持高机动性,使车辆通信和无线虚拟/增强现实等广泛的重要应用成为可能。 然而,要在实践中实现这一点,需要克服几个挑战。 本文提出了一种新的集成机器学习和协调波束形成的解决方案,以克服这些挑战,实现高速移动mmWave的应用。 仿真结果表明,所提出的深度学习协调波束形成策略接近了知道最优波束形成向量而没有训练开销的精灵辅助解的可实现速率。

2. 工厂自动化部署中28和60 GHz时mmWave信道特性表征

未来的蜂窝系统有望通过满足超高可靠性和极低延迟的严格要求来彻底改变当今的工业生态系统。 沿着这些方向,支持下一代工厂自动化部署的核心技术是使用毫米波(mmWave)通信,该通信在极高频率(即10到100GHz)下工作。 然而,由于较短的mmWave波长,在真实的工厂环境中表征无线电传播行为具有挑战性,这使得信道特性对周围物体的实际拓扑和尺寸十分敏感。 基于这些原因,本文研究了两种不同类型工厂的重要mmWave通道属性,即轻工业和重工业。 这些代表了基于技术水平,设备密度和尺寸以及生产的产品,对工厂分类的极端情况。 因此,我们分别针对许可和非许可频带通信评估28和60 GHz的备选mmWave频率。

3. 解决窄带-5G中的深度室内覆盖问题

无处不在的连接性是第五代(5G)通信系统中考虑的许多服务的共同要求。 然而,在诸如地下停车场的深室内场景中,提供网络覆盖或无线连接变得非常具有挑战性,其中总信道损耗可以容易地超过通信技术所容许的最大耦合损耗(MCL)。 我们通过使用射线跟踪进行具有代表性的特定场地现实覆盖分析来激发深度覆盖的重要性。 结果表明,现有的基于蜂窝的覆盖优化技术无法在深层室内/地下区域实现无处不在的覆盖,并突出了在5G MTC动态多跳中继的必要性。

4. 可靠mmWave系统的机器学习: 阻塞预测和主动切换

毫米波信号对障碍物的敏感性是移动毫米波通信系统面临的基本挑战。 在本文中,我们利用机器学习工具,针对mmWave MIMO系统中的这些可靠性和延迟问题提出了一种新的解决方案。 在已开发的解决方案中,基站了解如何使用它们过去对所采用的波束形成向量的观测,预测某个链路在未来几帧内将经历阻塞。 这使得服务基站能够主动地将用户移交给极有可能存在LOS链接的另一个基站。 仿真结果表明,所开发的基于深度学习的策略成功预测阻塞/切换的概率接近95%。 这降低了通信会话断开的概率,保证了移动mmWave系统的高可靠性和低延迟。

5. 多用户大规模MIMO下行链路混合波束形成的联合优化

考虑到频分双工模式下多用户大规模多输入多输出系统下行链路的两级波束形成器的设计,本文研究了两个链路末端都配备了混合数字/模拟波束形成结构的情况。 通过基于信道统计的用户分组和模拟波束形成来实现虚拟扇区化(其中用户设备仅需要反馈其组内有效信道),并且可显着降低信道状态信息(CSI)获取的总成本。 从对基于几何的随机模型、射线追踪结果和测量的室外通道获得的传播通道的模拟表明,我们提出的波束形成策略优于目前最先进的方法。

6. 室内环境中的60 GHz信道测量和射线追踪建模

毫米波(mmWave)通信已成为第五代(5G)通信系统的一种很有前途的关键技术,并获得了广泛的兴趣。 在本文中,我们通过射线跟踪方法检查室内办公环境中的60 GHz mmWave通道。 基于几何光学(GO)和均匀衍射理论(UTD),射线追踪方法使用计算机模拟来近似无线电波传播。 通过非常详细的三维(3-D)环境模型和适当的材料电磁参数来保证基于射线跟踪的模拟的准确性。 将包括功率延迟分布(PDP)和归一化功率角频谱(PAS)的仿真结果与通过空间交替广义期望最大化(SAGE)估计算法处理的信道测量数据进行比较。 比较结果表明,射线追踪是表征60 GHz信道特性的有用且可靠的方法。

7. 5G无线网络28,39,60和73 GHz室内毫米波传播信道仿真

给出了定向天线和全向天线系统毫米波室内传播特性,包括路径损耗模型和多路径时延扩展值。 利用在室内环境中进行的公开实时频率测量,在视线(LOS)和非视线(NLOS)场景中研究了4个5G候选频率(28 GHz、39 GHz、60 GHz和73 GHz)的性能。 将其与Tx-Rx在1.5 m - 62 m的距离上的3D射线追踪Wireless InSite软件获得的模拟数据进行了比较。 此外,在模拟中还包括常见建筑材料的频率相关电特性,例如电导率-σ和介电常数-ε。 结果表明,由于反射、绕射、穿透墙壁和物体(障碍)等因素,材料类型影响电磁波的传播行为。

8. 波束形成指纹学习用于精确的毫米波定位

通过毫米波无线通信,产生的辐射反射到大多数可见物体上,创造了丰富的多路径环境,即城市场景。 因此,侦听设备捕捉到的辐射是由所遇到的障碍物形成的,这些障碍物携带有关于其相对位置的潜在信息。 本文利用上述隐藏信息,提出了一种将接收到的毫米波辐射转换为器件位置的系统。 利用深度学习技术和由基站传输的预先建立的波束形成模式码本,仿真结果表明,在包含大部分非视线位置的真实户外场景中,平均估计误差在10米以下是可以实现的,这为新的定位系统铺平了道路。 索引术语-5G,波束形成,深度学习,mmWaves,户外定位。

9. 次6 GHz和mmWave波段V2X信道的角度和时间相关性

5G毫米波(mmWave)技术由于其宽频带、宽视场传感和精确定位能力,预计将成为下一代“车载到万能”(V2X)网络和自动驾驶汽车不可分割的一部分。 在本篇论文中,我们使用射线追踪仿真来描述在城市环境中(对于带有发射器的车辆保持视线(LOS)和non-LOS (NLOS)波束,V2X通道的传播频率范围从900 MHz到73 GHz),在不同的传播频率下的角度和时间相关性。

10. 基于态势感知的MmWave波束预测: 机器学习方法

毫米波通信是机动车辆高速行驶环境下的一项挑战。 传统的波束训练在满足低开销和延迟方面存在不足。 在本文中,我们提出将机器学习工具与情景感知相结合,从以往的观测中学习波束信息(功率、最优波束指数等)。 我们考虑特定于车辆设置的情景感知形式,包括接收机和周围车辆的位置。 我们利用回归模型预测不同波束功率量化的接收功率。 结果表明,态势感知可以大大提高预测精度,该模型可以实现大吞吐量,性能损失小,开销几乎为零。