移动性、业务量与无线信道预测：5G 及未来应用
网络与互联网体系结构
2022-03-16 v1
摘要
机器学习（ML）是实现无线接入网（RAN）自动化的一个重要组成部分。将 ML 应用于 RAN 的工作已开展多年，如今在 3GPP 和 Open-RAN 标准化论坛中也引起了关注。多项功能的一个关键组成部分（近期 3GPP 规范工作亦予以强调）是使用移动性、业务量与无线信道预测。这类预测构成了利用 ML 赋能 RAN（包括当前与未来无线网络）潜力的智能使能器。本文概述了利用此类智能使能器的当前应用并给出评估结果，进而讨论了这些使能器如何可能成为新兴 6G 用例（如无线能量传输）的基石。
引用
@article{arxiv.2203.08047,
title = {Mobility, traffic and radio channel prediction: 5G and beyond applications},
author = {Henrik Rydén and Alex Palaios and László Hévizi and David Sandberg and Tor Kvernvik and Hamed Farhadi},
journal= {arXiv preprint arXiv:2203.08047},
year = {2022}
}
备注
6 pages, submitted to IEEE conference