图神经网络辅助的移相器网络在线校准

《IEEE Transactions on Machine Learning in Communications and Networking》:Graph Neural Network-Aided Online Calibration of Phase Shifter Networks

【字体: 大 中 小 】 时间:2026年04月08日 来源:IEEE Transactions on Machine Learning in Communications and Networking

编辑推荐:

   摘要:在毫米波(mmWave)通信中,采用混合模拟和数字波束成形技术的大规模天线系统对于实现5G及后续无线网络的可靠、高数据速率传输至关重要。然而,用于控制和塑造辐射模式的移相器网络(PSNs)极易受到制造缺陷、硬件退化以及温度变化等因素导致的相位偏差影响。为了保持其运行效率,

  

摘要:

在毫米波(mmWave)通信中,采用混合模拟和数字波束成形技术的大规模天线系统对于实现5G及后续无线网络的可靠、高数据速率传输至关重要。然而,用于控制和塑造辐射模式的移相器网络(PSNs)极易受到制造缺陷、硬件退化以及温度变化等因素导致的相位偏差影响。为了保持其运行效率,必须定期对PSNs进行校准。为了解决基于模型的迭代算法方法所面临的挑战,本文首次提出了一种基于机器学习的在线校准方法,用于毫米波混合波束成形系统中的PSNs。具体而言,我们证明了图神经网络(GNNs)能够有效地将接收到的导频信号映射到PSN相位偏差估计值上。为了评估基于学习的方法的性能,我们还推导出了相位偏差估计值的混合Cramèr-Rao界限(HCRB)。仿真结果验证了该方法的有效性:GNN的性能接近HCRB,优于传统的基于优化的方法,并且在动态变化的环境中表现出良好的鲁棒性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号