.png){kind=icon}
返回
SERN-BT Algorithm for Beam Training in Extremely Large-Scale MIMO System
.png){kind=icon}
PRE
AI
DOI：10.1109/tgcn.2026.3744271.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对传统近场波束训练需要联合角度-距离优化的问题，随着天线规模的增大导致导频开销增加。为在降低导频开销的同时保持可达速率性能，本文提出了一种基于残差网络与挤压-激励（SERN）的高效波束训练（BT）算法，命名为SERN-BT算法。受分层码本启发，SERN网络利用远场宽波束的接收信号推断最优近场码字，该策略与传统窄波束扫描相比显著降低了导频开销。此外，SERN框架采用双分支结构以解耦角度和距离的非线性映射。在SE-ResNet块中，创新性地集成了挤压-激励机制以自适应地重校准信道权重，该机制使网络能够抑制噪声干扰并选择性强调宽波束信号固有的稀疏空间特征。最终，经过充分训练的SERN模型能够快速推断近优近场码字。仿真结果表明，所提出的算法能够在近场域显著降低导频开销的同时维持可达速率。
Keyword:
Near-field
XL-MIMO
beam training
deep learning
期刊
I
IF:
6.7
论文数:
1.4K
被引数:
4.3K
机构
引用论文
暂无论文信息