?
Near/Far-Field State Detection for 6G Terahertz Communications Systems
Одной из основных особенностей будущих систем 6G, работающих в субтерагерцовом и терагерцовом диапазонах частот (0,1–0,3 ТГц и 0,3–3 ТГц), является то, что часть покрытия базовой станции (БС) будет расположена в ближней зоне. Поскольку в этой зоне мощность принимаемого сигнала (SRP) сильно зависит не только от расстояния разнесения между пользовательским оборудованием (ПО) и БС, но и от конкретных координат ПО, необходимо использовать более комплексные методы волнового фронта, чем формирование луча. Для обеспечения бесшовного переключения между режимами работы антенны необходимы надежные алгоритмы определения местоположения ПО относительно БС. В этой статье мы используем инструменты машинного обучения и предлагаем простой, но надежный алгоритм определения состояния и тестируем его с использованием двух сценариев: (i) ОП перемещается по направляющей и (ii) ОП свободно перемещается в руке пользователя. Наши результаты показывают, что сеть с долговременной краткосрочной памятью (LSTM) обеспечивает наилучшую производительность, имея точность обнаружения выше 90% даже в случае сценария UE in hand и достигая единицы для UE on rail. Простые алгоритмы на основе дерева могут обнаруживать изменение между ближними и дальними полями с точностью, достигающей 80-85% и 95-97% для этих сценариев. Таким образом, мы рекомендуем использовать алгоритм LSTM с размером окна обнаружения 100–300, что позволяет быстро (200–400 мс) обнаруживать состояние и облегчает реализацию в режиме онлайн.