一种面向 5G 无线通信系统的大数据赋能信道模型
信号处理
2020-03-02 v1 机器学习
网络与互联网体系结构
摘要
第五代（5G）无线通信的标准化进程近期已加速，首批商用 5G 服务最早可能于 2018 年提供。海量智能手机、新复杂场景、大频段、大规模天线单元以及密集小型基站的增长将生成大数据集，并将 5G 通信带入大数据时代。本文研究了大数据分析尤其是机器学习算法在无线通信与信道建模中的多种应用。我们提出了一种由大数据和机器学习赋能的无线信道模型框架。所提信道模型基于人工神经网络（ANNs），包括前馈神经网络（FNN）和径向基函数神经网络（RBF-NN）。输入参数为发射机（Tx）与接收机（Rx）坐标、Tx-Rx 距离以及载波频率，而输出参数为信道统计特性，包括接收功率、均方根（RMS）时延扩展（DS）和 RMS 角度扩展（ASs）。用于训练和测试 ANNs 的数据集来自真实信道测量和基于几何的随机模型（GBSM）。仿真结果显示出良好性能，并表明机器学习算法可作为未来基于测量的无线信道建模的有力分析工具。
引用
@article{arxiv.2002.12561,
title = {A Big Data Enabled Channel Model for 5G Wireless Communication Systems},
author = {Jie Huang and Cheng-Xiang Wang and Lu Bai and Jian Sun and Yang Yang and Jie Li and Olav Tirkkonen and Ming-Tuo Zhou},
journal= {arXiv preprint arXiv:2002.12561},
year = {2020}
}