增强型机器学习技术用于5G中早期HARQ反馈预测
信息论
2019-10-28 v2 机器学习
math.IT
摘要
我们研究了由机器学习技术增强的早期混合自动重传请求(E-HARQ)反馈方案，作为实现超可靠低时延通信(URLLC)的一条途径。为此，我们提出机器学习方法，以在传输结束之前预测解码过程的结果。我们讨论了不同的输入特征与分类算法，从传统方法到新开发的监督式自编码器。这些方法根据其满足URLLC要求的前景进行评估，即在较小时延开销下有效块错误率低于。我们在一个包含调度效应的系统模型中提供现实性能估计，以证明E-HARQ在不同信噪比、子码长度、信道条件和系统负载下的可行性，并展示了相较于常规HARQ及现有无机器学习的E-HARQ方案的优势。
引用
@article{arxiv.1807.10495,
title = {Enhanced Machine Learning Techniques for Early HARQ Feedback Prediction in 5G},
author = {Nils Strodthoff and Barış Göktepe and Thomas Schierl and Cornelius Hellge and Wojciech Samek},
journal= {arXiv preprint arXiv:1807.10495},
year = {2019}
}
备注
14 pages, 15 figures; accepted version