上下文多臂赌博机与可重构智能表面用于预测性LTM切换决策
信号处理
2025-12-10 v1
摘要
本文通过整合可重构智能表面（RIS）、预测接收信号功率以及利用基于学习的决策方法，解决了下一代无线网络中切换（HO）优化的挑战。传统的反应式HO机制，如底层触发移动性（LTM），通过线性预测来预判链路退化而得到增强。此外，RIS的使用有助于缓解信号遮挡并扩展覆盖范围。一个在线训练的非线性上下文多臂赌博机（CMAB）智能体基于上下文特征选择目标gNB，从而减少不必要的HO和信令开销。广泛的模拟在真实的移动性和信道条件下评估了这些技术的八种组合。结果表明，CMAB和RSRP预测持续减少HO次数、乒乓率和小区准备次数，而RIS提升了链路可靠性。
引用
@article{arxiv.2512.08556,
title = {Contextual Bandits and Reconfigurable Intelligent Surfaces for Predictive LTM Handover Decisions},
author = {Ainna Yue Moreno-Locubiche and Josep Vidal and Olga Muñoz-Medina and Margarita Cabrera-Bean},
journal= {arXiv preprint arXiv:2512.08556},
year = {2025}
}
备注
6 pages, 3 figures