通过基于AI的延迟预测增强5G O-RAN通信效率
机器学习
2025-02-26 v1
摘要
5G开放无线接入网（O-RAN）日益增长的复杂性和动态特性对维持低延迟、高吞吐量和资源效率构成了重大挑战。虽然现有方法利用机器学习进行延迟预测和资源管理，但它们通常缺乏现实世界的可扩展性和硬件验证。本文通过提出一个集成到功能性O-RAN原型中的AI驱动的延迟预测系统来解决这些局限性。该系统使用双向长短期记忆模型，在基于FlexRIC构建的可扩展开源框架内实时预测延迟。实验结果证明了该模型的有效性，其损失指标低于0.04，从而验证了其在动态5G环境中的适用性。
引用
@article{arxiv.2502.18046,
title = {Enhancing 5G O-RAN Communication Efficiency Through AI-Based Latency Forecasting},
author = {Raúl Parada and Ebrahim Abu-Helalah and Jordi Serra and Anton Aguilar and Paolo Dini},
journal= {arXiv preprint arXiv:2502.18046},
year = {2025}
}