硕士生唐荣顺在SCI期刊IEEE Communications Letters上发表论文

2023年6月，硕士生唐荣顺在戚晨皓教授指导下撰写的第一作者论文“Blockage Prediction and Fast Handover of BS for Millimeter Wave Communications”被SCI期刊IEEE Communications Letters（IEEE通信快报）录用。论文第一作者唐荣顺同学本科来自南京理工大学电光学院，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毫米波无线通信阻塞预测问题。如下图所示，两个基站（Base Station，BS）BS1和BS2，可为道路上的移动的汽车等终端（Mobile Terminal，MT）提供毫米波通信服务。MT首先由BS1服务，当MT转弯时，BS1与MT之间的毫米波无线信道视距径（Line of sight，LoS）被阻塞，导致接收信号功率陡然下降。因此，有必要预测MT未来的阻塞状态，并在MT即将被阻塞时提前进行BS切换，例如切换到相邻的BS2。此外，还需要预测MT接入BS2的初始接入波束，以降低基站切换的初始接入波束扫描开销。为了解决上述问题，该论文提出了一种基于参考信号接收功率（Reference Signal Receiving Power，RSRP）和发射波束索引的阻塞预测和快速基站切换（Blockage Prediction and Fast BS Handover，BP-FBSH）方案。需要说明的是，现有文献的毫米波通信阻塞预测方法大多依赖于MT的位置信息或者摄像头提供的图片信息等，这些信息通常由MT决定是否愿意分享给BS，甚至会触及MT的隐私，而本文BP-FBSH方案只依赖于MT的RSRP信息，属于常规的无线通信信息。

考虑到MT处于运动状态，有必要让BS在当前的通信波束的邻域内发射多个波束，对MT的运动进行波束跟踪。本文BP-FBSH方案基于一种邻域搜索波束跟踪方法，其中基站在一个时间帧内向MT发送多个邻域波束，并从MT获取这些波束的RSRP。然后利用由RSRP和发射波束索引组成的波束相关信息序列来训练一个基于长短期记忆（Long Short-Term Memory，LSTM）的阻塞预测神经网络。如果阻塞预测神经网络预测MT即将被阻塞，MT随即从当前BS1切换到相邻的BS2，并通过另一个基于LSTM的基站切换神经网络，预测MT接入BS2的初始接入波束，以实现快速的波束接入。使用光线追踪软件Wireless Insite进行仿真，仿真结果表明，本文所提方案能有效实现用户的阻塞预测及基站切换时的快速波束接入。