【摘 要】在V2I网络中,为了提高多车辆通信的总可达率和公平性,研究通感一体化与深度学习辅助V2I通信性能优化问题。采用卷积神经网络与长短期记忆网络相结合的方式用于波束形成预测。该网络包含两个子网络,分别用于获取车辆的状态信息和功率分配方案,然后计算波束形成向量。所设计的网络综合了监督学习和无监督学习的特点,在保证用户公平性的同时,最大限度地提高总可达率。仿真结果表明,与现有的基准方案对比,所提算法能显著提高系统的总可达率和公平性。
【关键词】通感一体化;波束跟踪;波束形成预测;深度学习;功率分配
0 引言
车辆到基础设施网络(V2I, Vehicle-to-Infrastructure)在释放下一代自动驾驶汽车的潜力方面发挥着重要作用,有望在高速移动场景中实现低延迟以及Gbps速率的数据传输[1]。随着通信和信号处理技术的发展,传感和通信系统可以共享相同的频带和硬件,并且通信和传感可以在提高各自性能的同时相互促进[2]。目前,通感一体化(ISAC, Integrated Sensing and Communication)技术被认为是B5G和6G中的一项重要技术[3]。与传统的仅基于通信协议的方案相比,在V2I网络中使用ISAC技术,可以用雷达回波代替下行链路导频和上行链路反馈,