基于深度学习的密集网络移动性管理智能双连接机制
网络与互联网体系结构
2018-06-13 v1
摘要
超密集网络部署已被提出作为实现第五代（5G）移动通信系统容量目标的关键技术。然而，更小小区的部署不可避免地导致更频繁切换，从而使移动性管理更具挑战性，并削弱密集网络部署所带来的容量增益。为在此类网络环境中充分获取移动用户的增益，我们提出一种通过基于深度学习的移动性预测实现移动性管理的智能双连接机制。我们首先使用深度学习算法之一的LSTM（长短期记忆）算法，从每个用户设备（UE）的历史轨迹中学习其移动模式并预测其未来运动趋势。基于相应预测结果，网络将判断该UE是否需要切换。对于需切换情形，将为相关UE建立双连接。从而，该UE在切换过程中可从两个基站获取无线信号。仿真结果验证，所提智能双连接机制能在保证网络能效的同时显著改善切换过程中移动用户的服务质量。
引用
@article{arxiv.1806.04584,
title = {Deep Learning-based Intelligent Dual Connectivity for Mobility Management in Dense Network},
author = {Chujie Wang and Zhifeng Zhao and Qi Sun and Honggang Zhang},
journal= {arXiv preprint arXiv:1806.04584},
year = {2018}
}
备注
5 pages, 9 figures, conference