面向室内光无线通信的混合高斯-马尔可夫LSTM移动性模型
信号处理
2026-04-27 v2
摘要
光无线通信(OWC)凭借其庞大的免授权频谱、高空间复用率以及支持多千兆比特数据速率的能力，已成为未来大容量室内无线网络的有力候选者。然而，OWC系统对用户移动性高度敏感，因为链路性能在很大程度上取决于发射机和接收机之间的空间对准。因此，准确建模用户位置和设备朝向对于可靠的信道估计和系统评估至关重要。为此，本文提出了一种用于室内OWC环境的混合高斯-马尔可夫和长短期记忆(GM-LSTM)移动性模型。高斯-马尔可夫分量捕捉用户运动的时间相关性，而LSTM学习残差行为以建模非线性运动模式和朝向动态。所提出的模型联合预测用户位置和设备朝向，从而能够更好地表征OWC信道中的移动性。使用预测精度和每用户数据速率演化来评估性能。结果表明，所提出的混合GM-LSTM模型优于传统的随机航点和高斯-马尔可夫模型，在动态室内环境中提供了更准确的移动性预测和更稳定的通信性能。
引用
@article{arxiv.2604.19935,
title = {A Hybrid Gauss Markov LSTM Mobility Model for Indoor OWC},
author = {Walter Zibusiso Ncube and Ahmad Adnan Qidan and Taisir El-Gorashi and Jaafar M. H. Elmirghani},
journal= {arXiv preprint arXiv:2604.19935},
year = {2026}
}