面向无线链路质量估计的机器学习：综述
网络与互联网体系结构
2021-01-26 v9 机器学习
摘要
自无线通信网络出现以来，大量研究论文聚焦于无线链路的质量方面。对基于数据迹线开发的模型进行链路质量估计的丰富现有文献的分析表明，用于建模链路质量估计的技术正变得日益精细。许多近期估计器利用了机器学习（ML）技术，其需要精细的设计与开发过程，而每个过程都有极大潜力显著影响整体模型性能。本文中，我们对基于经验数据开发的链路质量估计器进行了全面综述，然后聚焦于其中使用ML算法的子集。我们利用性能数据从两个角度分析基于ML的链路质量估计（LQE）模型。首先，我们关注它们如何满足从其服务应用视角看十分重要的质量需求。其次，我们分析它们如何处理ML界常用的标准设计步骤。在分析了综述的科学主体后，我们回顾了适用于LQE研究的现有开源数据集。最后，我们以致得的经验教训以及面向基于ML的LQE开发与数据集收集的设计指南作结。
引用
@article{arxiv.1812.08856,
title = {Machine Learning for Wireless Link Quality Estimation: A Survey},
author = {Gregor Cerar and Halil Yetgin and Mihael Mohorčič and Carolina Fortuna},
journal= {arXiv preprint arXiv:1812.08856},
year = {2021}
}
备注
Accepted in IEEE Communications Surveys and Tutorials (COMST)