基于AI加速的最优测试位置选择方法，用于MIMO实时传输系统（RTS）的空中测量

《IEEE Journal of Selected Topics in Electromagnetics, Antennas and Propagation》：AI-Accelerated Optimal Test Position Selection for MIMO RTS Over-the-Air Measurements

　　

摘要：

多输入多输出技术是现代无线系统（包括4G、5G和新兴的6G网络）的基础，因此空中测试对于性能评估至关重要。本文研究了测试探针的空间布置如何影响辐射式两步测试中的数据流隔离，并提出了一种快速、系统化的方法来确定最可靠的测试位置。我们首先表明，相位变化直接决定了可实现的隔离程度，但在高频测量中获取相位信息非常困难且不稳定，导致当前的测试位置选择严重依赖于效率低下的试错程序。为了解决这个问题，我们研究了隔离度与空间传输矩阵的条件数之间的关系，证明条件数是评估隔离度的可靠指标。基于这一发现，我们引入了最佳测试位置的概念并推导出其数学表达式。为了进一步加快在天线和频段间的搜索速度，我们开发了一种基于人工智能的紧凑型预测器，该预测器能够将仅包含幅度的辐射模式映射到预期的最小隔离度。在无回声室中的实验验证证实了隔离度与条件数之间存在强相关性，并证明了所提出的算法能够在不需要额外测量的情况下高效地识别出最佳测试位置。