CHOMET：基于元学习的条件性移交
机器学习
2025-07-11 v1 网络与互联网体系结构
摘要
移交（Handovers, HOs）是现代蜂窝网络实现 seamless 连接海量且多样化移动用户的基石。然而，随着移动网络日益复杂，用户更加多样化且小细胞增多，传统移交面临显著挑战，如延迟延长和失败率增加。为缓解此类问题，3GPP 引入了条件性移交（Conditional Handovers, CHOs），即一种新型移交方式，使单个用户可为多个小区进行准备工作（即资源分配），从而提高移交成功率，缩短流程延迟。尽管CHOs具有显著优势，但也带来了新的挑战，包括高效资源分配以及频繁小区准备与释放导致的信令/通信开销管理。本文提出一种基于元学习的新型框架，符合O-RAN范式，利用元学习进行CHOs优化，提供稳健的动态后悔保证，并在信号波动条件下性能至少比其他3GPP基准方案提升180%。
引用
@article{arxiv.2507.07581,
title = {CHOMET: Conditional Handovers via Meta-Learning},
author = {Michail Kalntis and Fernando A. Kuipers and George Iosifidis},
journal= {arXiv preprint arXiv:2507.07581},
year = {2025}
}