毫米波移动蜂窝系统中基于学习的用户设备分类
信息论
2021-09-14 v1 人工智能
机器学习
math.IT
摘要
毫米波蜂窝通信需要波束赋形过程，以在用户设备（UE）移动时实现发射机与接收机波束的对准。为高效的波束跟踪，按业务与移动性模式对用户进行分类是有利的。迄今的研究已展示了基于机器学习的UE分类的有效方法。尽管不同的机器学习方法已取得成效，其中多数基于接收信号物理层属性。然而，这带来了额外复杂度，且需要访问这些底层信号。在本文中，我们表明传统监督乃至无监督机器学习方法可成功应用于高层信道测量报告以执行UE分类，从而降低分类过程的复杂度。
引用
@article{arxiv.2109.05893,
title = {Learning-Based UE Classification in Millimeter-Wave Cellular Systems With Mobility},
author = {Dino Pjanić and Alexandros Sopasakis and Harsh Tataria and Fredrik Tufvesson and Andres Reial},
journal= {arXiv preprint arXiv:2109.05893},
year = {2021}
}
备注
Accepted for Publication in 2021 IEEE International Workshop on Machine Learning for Signal Processing, 6 Pages, 7 Figures, 1 Table