NR-U 系统中基于学习的 WiFi 流量负载估计
信息论
2021-02-24 v1 math.IT
摘要
未经许可的频谱已被用于弥补新空口（NR）系统的频谱短缺。为充分利用非授权频段带来的优势，关键问题之一是保证与 WiFi 系统的公平共存。为实现这一目标，对 WiFi 流量负载进行及时准确的估计是重要前提。本文提出一种基于机器学习（ML）的方法来检测非授权频段上的 WiFi 用户数。采用无监督神经网络（NN）结构对非授权频谱上检测到的传输碰撞概率进行滤波，使 NR 用户能够精确校正测量误差并估计活跃 WiFi 用户数。此外，NN 在线训练，其相关参数与学习率联合优化，以高准确度自适应估计 WiFi 用户数。仿真结果表明，与传统的基于卡尔曼滤波的检测机制相比，所提方法复杂度更低，且能实现更稳定、更准确的估计。
引用
@article{arxiv.2102.04346,
title = {Learning-based WiFi Traffic Load Estimation in NR-U Systems},
author = {Rui Yin and Zhiqun Zou and Celimuge Wu and Jiantao Yuan and Xianfu Chen and Guanding Yu},
journal= {arXiv preprint arXiv:2102.04346},
year = {2021}
}