生成模型如何改进 6G 非地面网络中的视距估计
网络与互联网体系结构
2023-05-31 v1 机器学习
摘要
随着 5G 的出现和 6G 的预期到来，将移动网络与低地球轨道卫星和地球同步赤道轨道卫星等非地面网络平台相结合以提供更广覆盖范围的应用研究兴趣日益增长。然而，这些平台的集成具有挑战性，因为星间链路和星地链路均需要视距（Line-Of-Sight, LOS）估计。机器学习（Machine Learning, ML）技术在信道建模和 LOS 估计中已展现出潜力，但其模型训练需要大型数据集，而这类数据往往难以获取。此外，网络运营商可能因隐私顾虑而不愿披露其网络数据。因此，需要替代的数据收集技术。本文提出一种框架，利用生成模型为非地面 6G 网络中的 LOS 估计生成合成数据。具体而言，作者表明生成模型可用小规模可用数据集训练，以生成大型数据集，用于训练 LOS 估计的 ML 模型。此外，由于生成的合成数据不包含原始数据集的标识信息，可在不侵犯隐私的情况下公开。
引用
@article{arxiv.2305.18845,
title = {How Generative Models Improve LOS Estimation in 6G Non-Terrestrial Networks},
author = {Saira Bano and Achilles Machumilane and Pietro Cassarà and Alberto Gotta},
journal= {arXiv preprint arXiv:2305.18845},
year = {2023}
}