无线网络中的干扰预测：随机几何与递归滤波的结合
机器学习
2021-02-11 v3 网络与互联网体系结构
信号处理
机器学习
摘要
本文提出并评估了一种预测无线网络中干扰水平的技术。我们设计了一种递归预测器，通过对给定位置测得的干扰进行滤波来估计未来的干扰值。该预测器的参数化通过离线将干扰的自相关转化为自回归滑动平均（ARMA）表示来完成。此ARMA模型被嵌入稳态卡尔曼滤波器，使节点能以低计算代价进行预测。结果显示，在相关时间范围内预测值与真实值具有良好精度。尽管该预测器是针对泊松分布节点、瑞利衰落与固定消息长度参数化的，但敏感性分析表明其在更一般的网络场景中往往也表现良好。底层设备到设备通信、一种常见无线传感器技术，以及Wi-Fi与LTE共存场景的数值示例说明了其广泛适用性。该预测器可作为干扰管理的一部分，用于改进介质访问、调度与无线资源分配。
引用
@article{arxiv.1903.10899,
title = {Interference Prediction in Wireless Networks: Stochastic Geometry meets Recursive Filtering},
author = {Jorge F. Schmidt and Udo Schilcher and Mahin K. Atiq and Christian Bettstetter},
journal= {arXiv preprint arXiv:1903.10899},
year = {2021}
}