基于子空间的帕累托追踪优化非授权频段频谱共享
信号处理
2021-02-25 v2 机器学习
摘要
为满足即将部署和已部署无线网数据吞吐量的不断增长需求，长期演进授权辅助接入（LTE-LAA）等新无线技术在共享与非授权频段中运行。然而，LAA 网络必须与现有 IEEE 802.11 Wi-Fi 系统共存。我们考虑多个 LAA 与 Wi-Fi 链路共享非授权频段的共存场景。旨在通过降维与多准则优化同时最大化这些网络的关键性能指标（KPI）来改善共存。这些 KPI 是作为介质访问控制协议与物理层参数函数的网络吞吐量。我们通过逼近主动子空间来近似优化准则中的低维结构（即用于同时最大化 KPI 的少量参数线性组合），从而对共存行为进行探索性分析。我们利用由吞吐量逼近主动子空间参数化的聚合低维子空间来促进多准则优化。低维子空间逼近揭示了在混合主动坐标上呈凸性的 KPI 可视化，从而导出近最优解的解析帕累托迹。
引用
@article{arxiv.2102.09047,
title = {Optimizing Unlicensed Band Spectrum Sharing With Subspace-Based Pareto Tracing},
author = {Zachary J. Grey and Susanna Mosleh and Jacob D. Rezac and Yao Ma and Jason B. Coder and Andrew M. Dienstfrey},
journal= {arXiv preprint arXiv:2102.09047},
year = {2021}
}
备注
7 pages, 2 figures, 1 table, to appear in IEEE ICC 2021 proceedings