新文推送——车联网通信中信号到达角快速识别：一种机器学习方法
北京交通大学
轨道交通控制与安全国家重点实验室
高移动性通信/智能交通电波传播研究组
文章概况
以团队成员杨汨（Mi Yang），何睿斯（Ruisi He）和黄晨（Chen Huang）为主要作者的成果近日于IEEE Transactions on Vehicular Technology ( Volume: 70, Issue: 2, Feb. 2021)上发表。
文章题目为：“Machine-Learning-Based Fast Angle-of-Arrival Recognition for Vehicular Communications
（车联网通信中信号到达角快速识别：一种机器学习方法）”。
DOI:10.1109/TVT.2021.3054757
内容介绍
（信号到达角快速识别算法流程图）
获取到达角(AOA)信息对于提高通信系统的性能具有重要意义。实时AOA识别可以降低大规模多输入多输出系统波束形成设计的复杂度，并可用于构建外部预编码器以优化系统和速率。但是，对于车联网通信，AOA会随着环境和车辆位置而变化，很难实时获得准确的AOA。因此，需要一种快速的AOA识别方法来适应信道的快速变化。由于相对较高的计算复杂度，传统的基于谱或参数的AOA估计方法难以实时获得AOA信息。为了解决这个问题，本文提出了一种基于机器学习的快速AOA识别方法。该方法包括离线训练和在线估计过程。在离线训练过程中，基于车联网场景中的大量实际测量数据，利用支持向量机(SVM)得到估计模型。然后，在在线估计过程中，根据天线阵列采集的信道快照，利用得到的模型实现快速AOA识别。此外，在不同的情况下验证了该算法的性能。实验结果表明，该方法在实时AOA识别中具有令人满意的准确性。
（表1 多种情况下的算法性能验证）
（图2 算法对比）
（文章引用）
@ARTICLE{9336252, author={M. {Yang} and B. {Ai} and R. {He} and C. {Huang} and Z. {Ma} and Z. {Zhong} and J. {Wang} and L. {Pei} and Y. {Li} and J. {Li}}, journal={IEEE Transactions on Vehicular Technology}, title={Machine-Learning-Based Fast Angle-of-Arrival Recognition for Vehicular Communications}, year={2021}, volume={70}, number={2}, pages={1592-1605}, doi={10.1109/TVT.2021.3054757}}
或
M. Yang et al., "Machine-Learning-Based Fast Angle-of-Arrival Recognition for Vehicular Communications," in IEEE Transactions on Vehicular Technology, vol. 70, no. 2, pp. 1592-1605, Feb. 2021, doi: 10.1109/TVT.2021.3054757.
