增强联邦毫米波网络可靠性：一种基于雷达辅助动态遮挡识别的实用可扩展方案
网络与互联网体系结构
2023-07-14 v1 机器学习
摘要
本文介绍了一种新方法，用于提升动态户外环境中毫米波（mmWave）和太赫兹（THz）网络服务的可靠性。在此类场景中，视距（LoS）连接易被行人、车辆等移动障碍物中断。所提方法称为雷达辅助动态遮挡识别（RaDaR），其利用雷达测量与联邦学习（FL）训练一个双输出神经网络（NN）模型，能够同时预测遮挡状态与遮挡时间。借此可确定主动切换（PHO）或波束切换的最佳时机，从而降低5G新空口流程引入的时延，并确保高质量体验（QoE）。该框架采用雷达传感器监测并跟踪物体运动，生成距离-角度与距离-速度图，有助于场景分析与预测。此外，FL还带来隐私保护、可扩展性与知识共享等额外益处。该框架使用包含mmWave信道信息与雷达数据的广泛真实数据集进行评估。评估结果表明，RaDaR显著增强了网络可靠性，其PHO平均成功率达94%，而现有缺乏主动遮挡预测的反应式切换（HO）流程无法达到此水平。此外，RaDaR通过维持持续高吞吐并最小化PHO时延，保持了优越的QoE。
引用
@article{arxiv.2307.06834,
title = {Enhancing Reliability in Federated mmWave Networks: A Practical and Scalable Solution using Radar-Aided Dynamic Blockage Recognition},
author = {Mohammad Al-Quraan and Ahmed Zoha and Anthony Centeno and Haythem Bany Salameh and Sami Muhaidat and Muhammad Ali Imran and Lina Mohjazi},
journal= {arXiv preprint arXiv:2307.06834},
year = {2023}
}