非平稳无线车载通信链路的误帧率预测
信号处理
2023-04-13 v1
摘要
无线车载通信将提升道路使用者的安全性。车载通信链路的可靠性至关重要，因为低可靠性链路可能会削弱获取实时交通信息所带来的优势。我们研究的目标是获得非平稳车载场景下的可靠覆盖区域。为此，我们提出了一种深度神经网络（DNN）用于预测期望的误帧率（FER）。该 DNN 以监督方式进行训练，其中一段有限时长的信道频率响应序列被标注了其在底层无线通信系统（即 IEEE 802.11p）下对应的 FER 值。为生成训练数据集，我们采用基于几何的随机信道模型（GSCM）。我们通过硬件在环装置仿真时变频率响应来获得真实 FER。我们的 GSCM 提供传播路径参数，利用这些参数我们可在空间某一点固定任意时长的衰落过程统计特性，从而实现准确的 FER 估计。使用该数据集，我们的 DNN 达到了 85% 的准确率。我们利用训练好的模型对实测活动中获取的时变信道传递函数进行 FER 预测，并将 DNN 的预测输出与道路上实测的 FER 进行比较，获得了 78% 的预测准确率。
引用
@article{arxiv.2304.05743,
title = {Frame Error Rate Prediction for Non-Stationary Wireless Vehicular Communication Links},
author = {Anja Dakić and Benjamin Rainer and Markus Hofer and Thomas Zemen},
journal= {arXiv preprint arXiv:2304.05743},
year = {2023}
}
备注
Submitted to IEEE International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC), Toronto, Canada, 5-8 September 2023