基于深度学习的下一代异构网络同信道干扰管理

在公共安全网络（PSN）、无人机（UAV）与基于 LTE 的铁路网络（LRN）共存下，公共安全移动用户（MU）的连通性需要深入研究。UAV 被部署为移动基站（BS）以增强 MU 的小区边缘覆盖。异构网络的共存因使用相同频带而引发同信道干扰问题。通过考虑无线接入信道（RAC）的共享与非共享两种情况，我们分析了 PSN、UAV 和 LRN 下行系统中的同信道干扰。由于 LRN 控制信号要求高可靠性和低时延，在从与 MU 共享的 LRN RAC 分配资源时，我们给予 LRN 用户更高优先级。此外，UAV 部署在小区边缘以提升小区边缘用户性能。因此，干扰控制技术使 LRN、PSN 和 UAV 能在共享 RAC 的场景中共存。通过将更多 PSN UE 卸载至 LRN 或 UAV，LRN 与 UAV BS 的资源利用率得以提升。本文旨在采用基于增强小区间干扰协调（eICIC）与进一步增强 ICIC（FeICIC）策略的深度学习（DL）来处理从 PSN 到 LRN 与 UAV 的干扰。在 LRN、PSN BS 与 UAV 之间，利用基于 DL 的协调多点（CoMP）链路技术来提升 PSN MU 的性能。因此，若共享无线接入信道，采用基于 DL 的 FeICIC 与 CoMP 进行协调调度可取得最佳性能。