硕士生姜国力在SCI期刊IEEE Communications Letters上发表论文

2023年6月，硕士生姜国力在戚晨皓教授指导下撰写的第一作者论文“Near-Field Beam Training based on Deep Learning for Extremely Large-Scale MIMO”被SCI期刊IEEE Communications Letters（IEEE通信快报）录用。论文第一作者姜国力同学本科来自东南大学信息科学与工程学院，通过免试进入戚老师课题组攻读硕士学位。该论文基于机器学习研究了超大规模多输入多输出（Extremely Large-Scale Multiple-Input Multiple-Output，XL-MIMO）系统的波束训练问题。由于XL-MIMO的近场球面波特性，波束训练时既要考虑角度维度，也要考虑距离维度，因此近场码本中候选码字的数量会显著增加，如何降低近场信道波束训练开销成为XL-MIMO系统的关键问题之一。

不同于现有的工作，论文采用下行波束训练，基站发射波束，用户反馈接收信号的功率值到基站。论文提出了一种基于深度学习的近场波束训练（Deep learning-based Near-field Beam Training，DNBT）方案。首先从角度和距离二维码本中均匀的挑选码字，如上图所示，从角度和距离构成的8×8二维码本中，每4个码字中挑选1个码字，并使得挑选的码字分布尽可能均匀。随后使用挑选出的码字来训练深度神经网络（Deep Neural Network, DNN），并根据DNN输出的概率向量来联合获得匹配近场信道的最优角度和距离。为进一步提高波束训练性能，论文在DNBT方案的基础上，提出了一种采用补充码字（Supplementary Codewords）的波束训练（DNBT-SC）方案，它根据DNBT方案中DNN输出的概率向量来确定补充码字用于额外的波束训练。仿真结果表明，所提出的两种方案在归一化增益和可达速率上都可以实现比现有方案更好的性能。