用于任意点到任意点路径损耗地图在线学习的混合模型与数据驱动算法
信号处理
2021-07-15 v1 机器学习
摘要
学习任意点到任意点(A2A)路径损耗地图,其目标为重建地图中任意两点间的路径损耗,可能成为许多依赖设备到设备(D2D)通信应用的关键赋能技术。此类应用包括机器类通信(MTC)或车辆到车辆(V2V)通信。当前学习 A2A 地图的方法要么是基于模型的方法,要么是纯数据驱动的方法。基于模型的方法优势在于能以低计算复杂度生成可靠估计,但无法利用来自数据的信息。纯数据驱动方法可在不假设任何物理模型下取得良好性能,但其复杂度与缺乏鲁棒性对许多应用而言不可接受。本文中,我们提出一种新颖的混合模型与数据驱动方法,以在线方式融合从数据集与模型获得的信息。为此,我们利用随机学习框架处理样本的顺序到达,并提出一种在线算法,交替且顺序地最小化原始非凸问题。我们给出了收敛性证明,以及首先基于合成数据、其次基于更现实的 V2X 数据集的实验,两者均展示出有前景的结果。
引用
@article{arxiv.2107.06677,
title = {Hybrid Model and Data Driven Algorithm for Online Learning of Any-to-Any Path Loss Maps},
author = {M. A. Gutierrez-Estevez and Martin Kasparick and Renato L. G. Cavalvante and Sławomir Stańczak},
journal= {arXiv preprint arXiv:2107.06677},
year = {2021}
}