基于深度学习的信道老化移动LiFi系统主动优化
信号处理
2022-12-27 v2
摘要
本文研究移动光保真(LiFi)系统的信道老化问题。在LiFi物理层中，针对移动用户的大多数优化问题为非凸问题，需要使用对偶分解或启发式技术。此类技术基于迭代算法，常导致物理层处理延迟较高。因此，由于LiFi信道在不断演化，所得解不再是最优的。本文提出一种可缓解LiFi信道老化问题的主动优化(PO)方法。其核心思想是设计长短期记忆(LSTM)网络，能够预测移动用户的后续位置与朝向，进而用于预测其信道系数。由此获得的信道系数可在预期服务时间之前用于推导近最优传输方案，从而实现实时服务。通过多种仿真，从预测误差与时间以及在实际LiFi优化问题中的应用等方面评估了所设计LSTM模型的性能。
引用
@article{arxiv.2104.10384,
title = {Deep Learning Based Proactive Optimization for Mobile LiFi Systems with Channel Aging},
author = {Mohamed Amine Arfaoui and Ali Ghrayeb and Chadi Assi and Marwa Qaraqe},
journal= {arXiv preprint arXiv:2104.10384},
year = {2022}
}