利用信道学习增强 5G 盲波束索引检测
机器学习
2020-12-08 v1
摘要
5G 设备与业务的激增推动了对数据速率、可靠性及兼容性等广泛增强的需求,以支撑电信行业不断增长的发展。对此,本文研究机器学习技术如何在实践中改善 5G 小区与波束索引搜索的性能。小区搜索是用户设备(UE)初始接入基站的基本功能,对维持无线连接亦十分重要。与前代蜂窝系统不同,5G UE 在小区搜索过程中还面临检测合适波束及小区标识的额外挑战。在此,我们提出并实现了新的信道学习方案,以提升 5G 波束索引检测性能。其关键在于在系统层面实际实现中运用机器学习模型与软件化。我们开发了所提信道学习方案,包括用于高效波束索引检测的算法流程与配套系统结构。我们还基于现成软件定义无线电(SDR)平台搭建了实时运行的 5G 测试床,并使用商用 5G 基站进行了大量实验。实验结果表明,所提信道学习方案在真实 5G 信道环境中优于传统的基于相关的方案。
引用
@article{arxiv.2012.03631,
title = {Exploitation of Channel-Learning for Enhancing 5G Blind Beam Index Detection},
author = {Ji Yoon Han and Ohyun Jo and Juyeop Kim},
journal= {arXiv preprint arXiv:2012.03631},
year = {2020}
}
备注
submitted to IEEE ACCESS