面向高速铁路通信的 AI 驱动 mobility 管理：压缩测量与主动切换
信号处理
2025-07-08 v3 人工智能
摘要
高速铁路 (HSR) 通信对于确保铁路安全、运行、维护以及提供乘客信息服务至关重要。列车的高速导致无线信道快速时变、信令开销增加和系统吞吐量下降，使得满足日益增长且严格的 HSR 应用需求提出了挑战。本文探索了适用于 HSR 通信的人工智能 (AI) 驱动的波束级和小区级 mobility 管理。特别地，我们提出了通过压缩感知实现的压缩空间多波束测量方案，用于 HSR 通信中的波束级 mobility 管理。与传统的下采样空间波束测量相比，该方法在相同的测量开销下提高了空间-时域波束预测精度。此外，我们提出了一种基于 AI 的新型主动切换方案，用于预测切换事件并降低 HSR 通信中的无线链路故障 (RLF) 率。与传统基于事件 A3 的切换机制相比，所提出的方法显著降低了 RLF 率，节省了 50% 的波束测量开销。
引用
@article{arxiv.2407.04336,
title = {AI-Driven Mobility Management for High-Speed Railway Communications: Compressed Measurements and Proactive Handover},
author = {Wen Li and Wei Chen and Shiyue Wang and Yuanyuan Zhang and Michail Matthaiou and Bo Ai},
journal= {arXiv preprint arXiv:2407.04336},
year = {2025}
}