基于边界检测的小区关联：一种数据驱动随机特征的可扩展方法
信号处理
2019-10-31 v1 信息论
math.IT
摘要
我们考虑了场中蜂窝用户的单元关联问题。随着 5G 网络的部署，该问题变得具有挑战性，因为 5G 将与传统 4G 网络共享 sub-6 GHz 频段。我们未采用网络控制的方法（该方法在用户数量上可能不可扩展，并可能给系统引入额外延迟），而是利用可由部署在场中的大量频谱传感器收集的数据，在物理层提出了一种可扩展的解决方案。更具体地，我们将小区关联问题建模为非线性边界检测问题，并专注于使用随机浅层网络来确定与每个小区相关联的用户位置的边界。我们利用数据驱动建模的能力来降低所提小区关联问题解决方案的训练计算成本。这等价于在浅层架构中选择合适的基函数，使得检测以最小误差完成。我们的实验证明了该方法相对于其数据无关对应方法的优越性，以及相对于核方法的计算优势。
引用
@article{arxiv.1910.13567,
title = {Cell Association via Boundary Detection: A Scalable Approach Based on Data-Driven Random Features},
author = {Yinsong Wang and Hessam Mahdavifar and Kamran Entesari and Shahin Shahrampour},
journal= {arXiv preprint arXiv:1910.13567},
year = {2019}
}
备注
6 pages