具有动态阻挡物的预测式室内毫米波网络性能
网络与互联网体系结构
2024-10-28 v1
摘要
在本文中，我们考虑采用毫米波（mmWave）技术，在工厂内提供可靠的无线网络服务，其中由于环境中移动的人类和机器人等动态阻挡物，链路可能经历接收信号功率的快速且暂时的波动。我们提出了一种新颖的波束恢复流程，利用机器学习（ML）工具来预测阻挡事件的开始与结束。这消除了当前 5G 新空口（5G-NR）流程在切换到备用服务基站和波束、并在阻挡物移开后重新建立主连接时所引入的延迟。首先，我们使用一个详细的系统级仿真器生成合成数据，该仿真器集成了最新的 3GPP 3D 室内信道模型和几何阻挡模型 B。然后，我们利用生成的数据离线训练一组波束特定的深度神经网络（DNN）模型，这些模型提供关于波束阻挡状态的预测。最后，我们将 DNN 模型在线部署到系统级仿真器中，以评估所提方案的益处。当阻挡物以 2 m/s 的速度移动时，我们基于预测的波束恢复流程保证了更高的信号电平稳定性，并且相对于基于检测的 method 实现了高达 82% 的数据速率提升。
引用
@article{arxiv.2104.04623,
title = {Performance of Predictive Indoor mmWave Networks with Dynamic Blockers},
author = {Andrea Bonfante and Lorenzo Galati Giordano and Irene Macaluso and Nicola Marchetti},
journal= {arXiv preprint arXiv:2104.04623},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication