基于深度学习的蜂窝网络覆盖与速率流形估计
网络与互联网体系结构
2022-08-29 v2 机器学习
摘要
本文提出基于卷积神经网络的自编码器(CNN-AE)，从网络拓扑预测其位置相关的速率与覆盖概率。我们利用印度、巴西、德国和美国的基站位置数据训练CNN，并将其性能与基于随机几何(SG)的分析模型进行比较。与拟合最佳的基于SG的模型相比，CNN-AE将覆盖与速率预测误差分别改善了高达和。作为一个应用，我们提出一种低复杂度、可证明收敛的算法，该算法利用训练好的CNN-AE，能够计算网络中需要部署的新基站位置，以满足预定义的空间异构性能目标。
引用
@article{arxiv.2202.06390,
title = {Deep Learning based Coverage and Rate Manifold Estimation in Cellular Networks},
author = {Washim Uddin Mondal and Praful D. Mankar and Goutam Das and Vaneet Aggarwal and Satish V. Ukkusuri},
journal= {arXiv preprint arXiv:2202.06390},
year = {2022}
}