基于卷积神经网络（CNN）的5G NR PRACH检测：克服小区干扰挑战
信号处理
2024-08-22 v1 人工智能
机器学习
网络与互联网体系结构
摘要
在本文中，我们提出了一种使用卷积神经网络（CNN）进行5G新空口（5G-NR）网络干扰检测的新方法。由于用户设备密集部署和无线环境复杂性增加，5G网络中的干扰对高质量服务提出了挑战。我们基于CNN的模型旨在利用PRACH信号的时空特征，在各种干扰场景中检测物理随机接入信道（PRACH）序列，以提高检测精度和鲁棒性。我们生成了在受控干扰条件下模拟PRACH信号的综合数据集，用于训练和验证模型。实验结果表明，我们基于CNN的方法在准确率、精确率、召回率和F1分数方面优于传统的PRACH检测方法。本研究展示了AI/ML技术在推进5G网络干扰管理方面的潜力，为未来研究和优化网络性能与可靠性的实际应用奠定了基础。
引用
@article{arxiv.2408.11659,
title = {5G NR PRACH Detection with Convolutional Neural Networks (CNN): Overcoming Cell Interference Challenges},
author = {Desire Guel and Arsene Kabore and Didier Bassole},
journal= {arXiv preprint arXiv:2408.11659},
year = {2024}
}