5G 空对地网络设计与优化：一种深度学习方法
信息论
2020-11-18 v1 math.IT
摘要
利用第五代（5G）新空口（NR）的直接空对地（A2G）通信可为空中飞机提供高速宽带在飞行连接。A2G 网络部署需要优化多种设计参数，如站间距离、每站扇区数以及扇区天线的上倾角。现有 A2G 网络相关工作中的系统级设计指南相当有限。本文提出一种基于深度学习的新框架，用于 5G A2G 网络的高效设计与优化。所设计的架构包含两个深度神经网络（DNNs）：第一个 DNN 用于根据用户吞吐量近似 5G A2G 网络行为，第二个 DNN 作为函数优化器以寻找吞吐量最优的部署参数，包括天线上倾角与站间距离。仿真结果验证了所提模型并揭示了系统级设计见解。
引用
@article{arxiv.2011.08379,
title = {5G Air-to-Ground Network Design and Optimization: A Deep Learning Approach},
author = {Yun Chen and Xingqin Lin and Talha Khan and Mehrnaz Afshang and Mohammad Mozaffari},
journal= {arXiv preprint arXiv:2011.08379},
year = {2020}
}