从经验测量到增强数据速率：一种用于侧行链路通信中 MCS 自适应的机器学习方法
机器学习
2023-10-02 v1
摘要
由于 C-V2X 侧行链路中缺乏反馈信道，寻找合适的调制与编码方案（MCS）是一项困难的任务。然而，对数据速率有更高需求的车辆到一切（V2X）通信近期用例要求自适应地选择 MCS。在本文中，我们提出一种机器学习方法来预测合适的 MCS 等级。此外，我们提出使用分位数预测，并结合不同算法评估其在预测具有最高可达数据速率的 MCS 等级这一任务上的表现。由此，我们展示了相较传统 MCS 等级选择方法的显著改进。然而，使用机器学习方法需要比当前公开可获取供研究用的更大规模的真实世界数据集。为此，本文呈现了一个在大量驾驶测试中采集并公开提供的数据集。
引用
@article{arxiv.2309.17086,
title = {From Empirical Measurements to Augmented Data Rates: A Machine Learning Approach for MCS Adaptation in Sidelink Communication},
author = {Asif Abdullah Rokoni and Daniel Schäufele and Martin Kasparick and Sławomir Stańczak},
journal= {arXiv preprint arXiv:2309.17086},
year = {2023}
}
备注
5 pages, 8 figures