基于真实毫米波测量的深度学习移动遮挡预测
机器学习
2021-02-09 v3 信号处理
摘要
毫米波(mmWave)通信是5G及未来通信的关键组成部分。然而,毫米波系统的大带宽和低延迟优势受到毫米波信号对遮挡敏感性的挑战;视距(LOS)链路中的突然遮挡会导致 abrupt 断连,影响网络可靠性。此外,搜索替代基站以重建链路可能带来不必要的延迟开销。在本文中,我们通过利用机器学习主动预测动态遮挡,共同应对这些挑战。所提方法让机器学习算法通过观察我们称之为遮挡前签名(pre-blockage signature)的现象,学习预测未来遮挡。为评估所提方法,我们搭建了带有移动遮挡的毫米波通信装置,并收集了接收功率序列数据集。在真实数据集上的仿真结果表明,遮挡发生可被以超过85%的准确率预测,且遮挡发生的确切时间实例可以以低误差获得。这凸显了所提方案在动态遮挡预测与主动切换(hand-off)方面的潜力,从而提升未来无线网络的可靠性和延迟性能。
引用
@article{arxiv.2101.06886,
title = {Deep Learning for Moving Blockage Prediction using Real Millimeter Wave Measurements},
author = {Shunyao Wu and Muhammad Alrabeiah and Andrew Hredzak and Chaitali Chakrabarti and Ahmed Alkhateeb},
journal= {arXiv preprint arXiv:2101.06886},
year = {2021}
}
备注
6 pages, 8 figures