基于业务量感知长短期记忆预测的机器类设备节能唤醒信令
信号处理
2022-06-14 v1 机器学习
摘要
降低能耗是低功耗机器类通信（MTC）网络中的一个紧迫问题。在这方面，旨在最小化机器类设备（MTD）无线接口能耗的唤醒信号（WuS）技术是一种有前景的解决方案。然而，现有最优的WuS机制使用静态操作参数，因此无法有效适应系统动态变化。为克服此问题，我们设计了一个简单而高效的神经网络来预测MTC业务量模式并相应配置WuS。我们提出的预测式WuS（FWuS）利用基于精确长短期记忆（LSTM）的业务量预测，通过避免空闲状态下频繁的寻呼监听时机来延长MTD的睡眠时间。仿真结果证明了我们方法的有效性。业务量预测误差低于4%，虚警和漏检概率分别低于8.8%和1.3%。在能耗降低方面，FWuS最多可优于最佳基准机制32%。最后，我们证实了FWuS动态适应业务量密度变化的能力，促进了低功耗MTC的可扩展性。
引用
@article{arxiv.2206.06058,
title = {Energy-Efficient Wake-Up Signalling for Machine-Type Devices Based on Traffic-Aware Long-Short Term Memory Prediction},
author = {David E. Ruíz-Guirola and Carlos A. Rodríguez-López and Samuel Montejo-Sánchez and Richard Demo Souza and Onel L. A. López and Hirley Alves},
journal= {arXiv preprint arXiv:2206.06058},
year = {2022}
}