增强 HAPS 辅助 6G 网络可持续性：基于负载估计的小基站切换
系统与控制
2026-01-19 v1 系统与控制
摘要
本研究提出并解决了垂直异构网络中单元切换过程中流量负载估计的关键挑战。单元切换的有效性受限于缺乏准确的流量负载数据，因而睡眠模式下的小基站(SBSs)无法获取。许多负载相关的节能方法在此假设下难以实施，因为它们假设对流量负载具有完美的了解，而当SBSs处于非活跃状态时，这一假设是不现实的。换言之，当SBSs处于睡眠模式时，其流量负载无法直接被知晓，只能被估计，且必然伴随相应的误差。本文不着眸于提出新的切换算法，而是通过探索有效的预测技术来消除这一基础性障碍。我们考虑了一个新的垂直异构网络模型，将高空平台站( HAPS)集成为超大宏基站( SMBS)。我们研究了两种空间和时间负载估计方法，包括三种空间插值方案、随机邻域选择、基于距离的选择以及多层聚类( MLC)，此外还有基于长短期记忆网络(LSTM)的时序深度学习方法。通过实际数据集进行经验验证，我们的结果表明，空间和时间方法均显著提高了估计精度，其中MLC和LSTM方法显示出尤为优异的性能。
引用
@article{arxiv.2507.14728,
title = {Enhancing Sustainability in HAPS-Assisted 6G Networks: Load Estimation Aware Cell Switching},
author = {Maryam Salamatmoghadasi and Metin Ozturk and Halim Yanikomeroglu},
journal= {arXiv preprint arXiv:2507.14728},
year = {2026}
}
备注
6 pages, 5 figures, PIMRC