一种测试时间自适应的夜间图像辅助波束预测方法

来源：电子与信息学报杂志2025年第12期北京时间：

作者：孙昆阳, 姚睿, 祝汉城, 赵佳琦, 李希希, 胡殿麟, 黄伟

单位：1.中国矿业大学计算机科学与技术学院/人工智能学院 徐州 2211162.香港理工大学医疗及社会科学院医疗科技及资讯学系 香港 9990773.合肥工业大学计算机与信息学院 合肥 230009

摘要：针对毫米波通信系统中传统波束管理方法在动态场景下面临的高时延问题以及视觉辅助波束预测技术在恶劣环境下性能显著退化的问题，该文提出一种基于测试时间自适应(TTA)的夜间图像辅助波束预测方法。毫米波通信依赖大规模多输入多输出(MIMO)技术实现高增益窄波束对准，但传统波束扫描机制存在指数级复杂度与时延瓶颈，难以满足车联网等高动态场景需求。现有视觉辅助方法通过深度学习模型提取图像特征并映射波束参数，但在低照度、雨雾等突发恶劣环境下，因训练数据与实时图像特征分布偏移导致预测精度急剧下降。该文创新性地引入测试时间自适应机制，突破传统静态推理模式，仅需在推理阶段对实时采集的低质量图像执行模型的单次梯度反向传播，即可实现跨域特征分布动态对齐，无须预先采集或标注恶劣场景数据。具体而言，设计基于熵最小化的一致性学习策略，通过对原始视图与数据增强视图的预测一致性约束，驱动模型参数向预测置信度最大化方向迭代更新，降低预测不确定性。实验表明，在真实夜间场景下，该文所提方法的top-3波束预测准确率达93.01%，较静态部署方案提升约20%，且显著优于传统低光照增强方法。该方法充分利用基站固定部署场景中背景语义的跨域一致性特性，通过轻量化在线自适应机制实现模型鲁棒性增强，为毫米波通信系统在复杂开放环境中的高效波束管理提供了新路径。

关键词：图像辅助束预测, 测试时间自适应, 一致性学习

基金资助：中央高校基本科研业务费 (XJ2025005101)