面向 sub-6 GHz/mmWave 5G 网络中半盲上行/下行解耦的分类算法
信息论
2018-09-06 v1 math.IT
摘要
未来混合 sub-6 GHz/毫米波（mmWave）第五代（5G）无小区大规模多输入多输出（MIMO）网络中的可靠性和时延挑战在于保证上行（UL）和下行（DL）的快速无线资源管理，同时应对在阻塞情况下可能出现的相应传播不平衡。在此背景下，我们引入了一种半盲 UL/DL 解耦概念：在其初始激活后，中央处理单元（CPU）收集反映用户设备（UE）视距（LOS）条件的莱斯 因子，以及 2.6 GHz 和 28 GHz 频段的 DL 参考信号接收功率（RSRP）测量值，然后训练一个非线性支持向量机（SVM）算法。CPU 最终完全停止对 mmWave 的测量，并将训练好的 SVM 算法应用于 2.6 GHz 数据，以盲预测可独立用于 UL 和 DL 的目标频率和接入点（APs）。所提分类器在少量训练样本下准确率可达 。
引用
@article{arxiv.1809.01583,
title = {Classification Algorithms for Semi-Blind Uplink/Downlink Decoupling in sub-6 GHz/mmWave 5G Networks},
author = {Hatim Chergui and Kamel Tourki and Redouane Lguensat and Mustapha Benjillali and Christos Verikoukis and Mérouane Debbah},
journal= {arXiv preprint arXiv:1809.01583},
year = {2018}
}
备注
Submitted to IEEE Wireless Communications Letters