虚拟MIMO中基于机器学习的协作中继选择
网络与互联网体系结构
2015-06-08 v1
摘要
在蜂窝系统中，虚拟多输入多输出(V-MIMO)技术有望获得与传统MIMO相当的性能增益。本文提出一种基于机器学习技术的协作中继选择算法。用户参与V-MIMO协作的意愿取决于其当前电池电量、时间日期以及服务提供商提供的激励。每个用户参与V-MIMO的标准不同，但呈现出特定的行为模式。因此，在选择用户作为协作节点之前，需要预测源用户(SU)邻域内愿意协作的用户。仅假设属于SU虚拟天线阵列(VAA)小区内的非活跃用户会协作，这降低了协作节点发现的控制开销。本文采用两种机器学习技术即ANN和SVM的预测算法来寻找VAA小区内非活跃且愿意协作的用户。计算MSE、准确率、精确率和召回率等参数以评估ANN和SVM模型的性能。使用ANN预测的MSE为3%，平均准确率为97%(方差0.37)，而SVM的MSE为2.58%，平均准确率为97.56%(方差0.17)。我们还观察到所提出的预测方法将节点发现时间减少了约29%。
引用
@article{arxiv.1506.01910,
title = {Machine Learning Based Cooperative Relay Selection in Virtual MIMO},
author = {Kunal Sankhe and Chandan Pradhan and Sumit Kumar and Garimella Ramamurthy},
journal= {arXiv preprint arXiv:1506.01910},
year = {2015}
}
备注
6 Pages, 8 figures, 3 tables, Accepted in Wireless Telecommunications Symposium 2015 and available in WTS 2015 proceedings