毫米波车载网络中基于联邦学习的主动切换
信号处理
2021-01-19 v1
摘要
主动切换能够避免频繁切换并降低切换时延，在维持毫米波车载网络中移动用户服务质量（QoS）方面起着重要作用。为降低训练主动切换学习模型的通信开销，我们提出了一种联邦学习（FL）框架。该FL框架能适应每个用户的有限存储容量，增加参与FL的用户数量，并适应动态移动模式。仿真结果验证了所提FL框架的有效性。与被动切换方案相比，所提切换方案能同时减少不必要的切换并改善用户QoS。
引用
@article{arxiv.2101.07032,
title = {Federated Learning Based Proactive Handover in Millimeter-wave Vehicular Networks},
author = {Kaiqiang Qi and Tingting Liu and Chenyang Yang},
journal= {arXiv preprint arXiv:2101.07032},
year = {2021}
}