面向 5G NSA 车云通信的机器学习数据速率预测
网络与互联网体系结构
2021-09-10 v1 信号处理
摘要
为了满足创新服务不断增长的服务质量（QoS）要求，蜂窝通信网络正在不断演进。最近，5G 非独立组网（NSA）模式已作为一种中间策略被部署，通过整合长期演进（LTE）网络基础设施，为 5G 的早期采用者提供高速连接。除了技术进步之外，诸如预测性移动网络等新型通信范式旨在通过利用上下文知识来实现对可用网络资源的更智能使用。为此，主动预测端到端行为的新方法被视为关键使能因素。在本文中，我们首次对 5G NSA 车云通信中基于客户端的端到端数据速率预测进行了实证分析。尽管这种运行模式的特点是观测到的数据速率波动剧烈，但结果表明，传统的机器学习方法可以利用本地可获取的测量值，实现对端到端行为的相对准确的估计。
引用
@article{arxiv.2109.04117,
title = {Machine Learning-Enabled Data Rate Prediction for 5G NSA Vehicle-to-Cloud Communications},
author = {Benjamin Sliwa and Hendrik Schippers and Christian Wietfeld},
journal= {arXiv preprint arXiv:2109.04117},
year = {2021}
}