基于信道状态的监督学习预测用户下一小区
网络与互联网体系结构
2013-05-14 v1
摘要
知晓用户的下一小区可实现更高效的资源分配并启用新的位置感知服务。为了预测用户将切换至的小区，我们引入了一种基于机器学习的新预测系统。其中，我们将预测表述为一个基于蜂窝网络中现成信息的分类问题。仅利用信道状态信息（Channel State Information, CSI）和切换历史，我们通过将支持向量机（Support Vector Machines, SVMs）嵌入高效预处理结构中来进行分类。来自曼哈顿网格场景和法兰克福市中心真实无线电地图的仿真结果表明，我们的系统能以高精度提供及时预测。
引用
@article{arxiv.1305.2776,
title = {Predicting a User's Next Cell With Supervised Learning Based on Channel States},
author = {Xu Chen and François Mériaux and Stefan Valentin},
journal= {arXiv preprint arXiv:1305.2776},
year = {2013}
}
备注
The 14th IEEE International Workshop on Signal Processing Advances for Wireless Communications (SPAWC), Darmstadt : Germany (2013)