基于机器学习实现 LTE RACH 碰撞重数检测
信息论
2018-05-30 v1 math.IT
摘要
长期演进(LTE)标准的随机接入信道(RACH)过程中的碰撞解决机制在机器类通信流量下已知构成严重瓶颈。其主要缺陷在于：基站(eNBs)通常无法推断发生碰撞的用户设备(UEs)数量，且发生碰撞的 UEs 仅能在 RACH 过程后阶段缺乏反馈时隐式获知碰撞。发生碰撞的 UEs 随后重启该过程，从而增加 RACH 负载并使系统更易遭遇碰撞。本文中，我们利用机器学习技术设计了一种系统，在 LTE RACH 过程的前导检测上优于现有最优方案。最重要的是，我们的方案还能估计碰撞重数，从而收集有多少设备选择了相同前导的信息。该数据可被 eNB 用于解决碰撞、提升所支持的系统负载并降低传输时延。所提方法适用于面向海量物联网的新兴 3GPP 标准，例如 LTE-M 与 NB-IoT。
引用
@article{arxiv.1805.11482,
title = {Enabling LTE RACH Collision Multiplicity Detection via Machine Learning},
author = {Davide Magrin and Chiara Pielli and Cedomir Stefanovic and Michele Zorzi},
journal= {arXiv preprint arXiv:1805.11482},
year = {2018}
}
备注
Submitted to IEEE GLOBECOM 2018