一种轻量级多模态环境语义辅助的毫米波波束预测方案，用于工业无线网络

《IEEE Transactions on Industrial Informatics》：A Lightweight Multimodal Environment Semantics Aided mmWave Beam Prediction Scheme for Industrial Wireless Networks

针对工业无线网络中毫米波通信存在的波束对齐高开销问题，提出基于多模态环境语义的轻量级波束预测模型。通过融合定位器和图像数据提取的绝对与相对目标位置信息，结合高效轻量预测模型输出最佳波束索引，实验表明相比现有主流方法，预测准确率提升7.6%，模型体积缩减83.4%，预测阶段运行时间降低一个数量级。

　　

摘要：

在工业无线网络中，毫米波（mmWave）通信能够提供超低的延迟和超高的带宽，成为满足未来工业应用实时需求的关键技术。为了保持毫米波连接的稳定性，传统的方法是通过频繁的波束扫描来进行波束对准，但这会导致额外的波束开销。最近提出的基于视觉的波束预测模型为上述问题提供了解决方案。然而，使用结构复杂的模型（如深度卷积神经网络）需要大量的系统存储空间，并且计算成本较高。为此，我们提出了一种轻量级的多模态环境语义辅助波束预测方案。该方案从定位器和图像中提取并结合目标的绝对位置和相对位置作为环境语义，然后将其输入到一个高效且轻量级的预测模型中，以输出最优波束索引。实验结果表明，与现有的主流基于视觉或视觉-位置辅助的波束预测方法相比，所提出的模型在波束预测准确性上最高提高了7.6%，同时模型大小减少了约83.4%，波束预测阶段的运行时间也缩短了一个数量级。

引言

随着工业4.0的发展，越来越多的工业应用需要无线通信系统来提供高速数据传输，以满足服务质量的要求[1]、[2]。毫米波（mmWave）通信以其丰富的频谱资源、极低的通信延迟和超高的传输速率而著称，将成为支持实时工业应用（如远程实时控制和多机器人协作[3]、[4]、[5]）的关键技术。然而，由于其较低的穿透能力和高度的方向性，毫米波通信在复杂的工厂环境中需要精确的波束对准来维持稳定的视距连接[6]。为此，大型天线阵列对于生成清晰的波束至关重要，并且需要大量的波束形成向量来指示阵列的方向。这些向量需要不断扫描和调整，以便实时适应来自不同方向的接收信号[7]、[8]。这一过程会导致相当大的波束开销，进而导致较高的时间开销和严重的网络延迟，这对支持高移动性和低延迟的工业无线通信应用场景（如自动引导车辆（AGV）通信[9]）构成了挑战。