密集网络毫米波无线传输理论与技术研究

Future mobile communications need to provide larger capacity, higher reliability and lower latency. Millimeter wave (mmWave) dense network is one of the most potential research directions for supporting next generation mobile broadband communications. This project will develop the theory and technology research on dense network mmWave wireless transmission, including the design and performance analysis of cooperative transmission for user-centric mmWave dense networks, interleaved beam training design and its performance analysis in mmWave dense networks with cooperative transmission, and multi-agent reinforcement learning based joint beam and cell handover design for cooperative mmWave dense networks. The project firstly designs a cooperative transmission scheme with good tradeoff between cost and performance for the user-centric feature of mmWave dense networks. Via modeling reasonable base station (BS)/user spatial distribution and channel blocking effect, the project analyzes the performance gain of cooperative transmission and its relationship with important parameters of mmWave dense networks. Subsequently, via fully exploiting both the beam training redundancy and prior knowledge, an interleaved beam training scheme is proposed under cooperative transmission. The beam training overhead can be significantly reduced under the guarantee of network transmission performance. Finally, the multi-agent reinforcement learning theory is adopted to design a joint beam switching and dynamic BS association scheme with local BS decision-making ability. This can effectively solve the problem of real-time guarantee and overhead for continuous coverage under high mobility.

未来移动通信需要提供更大的容量、更高的可靠性和更低的时延。毫米波密集网络是支撑新一代宽带移动通信最具潜力的研究方向之一。本项目将展开密集网络毫米波无线传输理论与技术研究，包括以用户为中心的毫米波密集网络协作传输方案设计及性能分析、毫米波密集网络协作传输中的交替波束训练设计及性能分析以及基于多智能体强化学习的协作毫米波密集网络联合波束小区切换方案设计。项目首先针对毫米波密集网络的用户中心化特点，设计取得开销与性能良好折中的协作传输方案，并基于合理的基站用户分布及信道遮蔽建模，分析协作传输性能并揭示其与毫米波密集网络重要参数的关系。随后，充分挖掘波束训练冗余与先验辅助知识，提出协作传输下的交替波束训练方案，在保证网络传输性能的前提下，显著降低波束训练开销。最后，利用多智能体强化学习理论设计具有基站本地决策能力的联合波束切换及动态基站关联方案，可有效解决移动性带来的连续覆盖实时性保障与开销问题。

未来移动通信需要提供更大的容量、更高的可靠性和更低的时延。毫米波密集网络是支撑新一代宽带移动通信最具潜力的代表性技术。本项目展开了密集网络毫米波无线传输理论与技术研究，包括毫米波密集网络协作传输方案设计及性能分析、毫米波密集网络协作传输中的低开销波束训练设计以及基于学习辅助的协作毫米波密集网络波束管理方案设计。首先，针对混合异构蜂窝网络，通过挖掘Sub-6G基站的内容取回优势与毫米波基站的大带宽特点，提出一种可取得更好本地内容流行度与全局内容分集度折中的缓存策略及用户关联策略。针对混合卫星中继系统，提供了中继采用自适应解码转发且信道状态过期条件下的中断概率闭合式。进一步考虑中继与卫星的随机位置分布，提供了元分布形式的精细覆盖性能分析。针对毫米波分布式天线系统，基于最新FTR信道模型提供了天线选择中断性能闭合式，揭示了信道关键参数的影响。其次，针对智能反射面辅助的协同传输系统，提出一种充分挖掘反射面天线单元冗余的交替训练方案，显著降低了平均训练开销。针对FDD无蜂窝大规模MIMO系统，提出了可同时利用上下行信道部分互易性与多基站信道相关性的端口选择式反馈方案，可显著降低系统反馈开销。针对多基站天线阵面朝向协同优化问题，提出一种融合信道数据增广与吞吐量映射建模的智能调优方案，可显著降低工参采样成本。最后，针对多小区下行毫米波系统的联合用户调度与波束选择问题，设计了基于多智能体强化学习框架的基站本地决策方案。针对毫米波无蜂窝MIMO系统的用户侧波束学习问题，利用轻量化宽学习架构设计了可实现用户间数据隐式共享的协同波束训练框架，可有效解决用户本地训练数据不足的问题。对于基站侧的波束选择问题，设计了融合本地波束空间压缩与基站协作集间博弈分布式选择的两阶段方案，在波束选择最优性与系统开销间可取得良好折中。