Ein Überblick über den Stand der Technik und zukünftige Herausforderungen bei tiefenlern-basierten Beamforming

Das Hauptziel dieses Papiers ist es, die aktuellen Anwendungen von künstlicher Intelligenz (KI) im breiten Bereich des Beamforming zu untersuchen. Daher werden eine Vielzahl von KI-orientierten Beamforming-Studien eingehend analysiert, um den Beitrag der KI zur Leistung des Beamformings korrekt zu verstehen und profitabel zu interpretieren. Ausgehend von einem kurzen Überblick über Beamforming, einschließlich adaptiver Beamforming-Algorithmen und Methoden zur Schätzung der Ankunftsrichtung (DOA), geht unsere Analyse weiter auf die wichtigsten Klassen des maschinellen Lernens (ML), die grundlegenden Topologien neuronaler Netze (NN) und die effizientesten tiefen Lernschemata (DL) ein. Anschließend erkundet das Papier, basierend auf den zuvor genannten Aspekten, mehrere Konzepte hinsichtlich der optimalen Nutzung von ML und NNs, entweder als eigenständige Beamforming- und DOA-Schätztechniken oder in Kombination mit anderen Implementierungen, wie z.B. Ultraschallbildern, massiven Mehrfach-Eingangs-Mehrfach-Ausgangs-Strukturen und intelligenten reflektierenden Flächen. Schließlich wird besonderes Augenmerk auf die Realisierung von Beamforming- oder DOA-Schätzaufbauten über DL-Topologien gelegt. Die Umfrage schließt mit verschiedenen wichtigen Schlussfolgerungen sowie einer interessanten Diskussion über potenzielle zukünftige Aspekte und vielversprechende Forschungsherausforderungen.