毫米波网络覆盖空洞检测：一种无监督学习方法
机器学习
2021-08-24 v2 信息论
网络与互联网体系结构
math.IT
摘要
在5G网络中使用毫米波（mmWave）频段给网络规划带来了新的挑战。mmWave频段易受阻挡的脆弱性会导致无线环境中出现覆盖空洞（CHs），当用户进入这些CHs时会造成无线链路失败。CHs的检测至关重要，以便引入必要补救措施改善覆盖。在本信中，我们提出一种利用最先进的流形学习技术——一致流形逼近与投影（uniform manifold approximation and projection）以无监督方式识别CHs的新方法。其核心思想是保留所收集无标签信道样本中固有的局部连通结构，从而可使来自服务区的CHs被检测到。我们在DeepMIMO数据集场景上的结果表明，所提方法能学习数据样本内的结构，并在低维嵌入中提供可视空洞，同时保留CH边界。一旦在低维嵌入中确定CH边界，便可对这些样本应用基于信道的定位技术以获取CHs的地理边界。
引用
@article{arxiv.2108.07854,
title = {Coverage Hole Detection for mmWave Networks: An Unsupervised Learning Approach},
author = {Chethan K. Anjinappa and Ismail Guvenc},
journal= {arXiv preprint arXiv:2108.07854},
year = {2021}
}
备注
This paper appears in: IEEE Communications Letters