基于元学习与循环神经网络的毫米波/太赫兹链路阻塞预测
信息论
2021-10-06 v2 信号处理
math.IT
摘要
使用高可靠性低时延链路的无线应用关键依赖于系统预测链路质量的能力。这种依赖性在毫米波和太赫兹系统所使用的高载频下尤为突出，因为此类链路易受阻塞影响。以高可靠性预测阻塞需要大量数据样本来训练有效的机器学习模块。为缓解数据需求，我们引入了一种基于元学习的框架，利用来自不同部署的数据来优化共享初始化，从而减少任何新部署所需的数据集规模。我们研究了两类不同事件的预测器：(1) 在时间窗内至少发生一次阻塞，以及 (2) 在整个时间窗内链路均被阻塞。结果表明，使用元学习训练的基于 RNN 的预测器能够在观察到比使用标准方法训练的预测器更少的样本后预测阻塞。
引用
@article{arxiv.2106.07442,
title = {Prediction of mmWave/THz Link Blockages through Meta-Learning and Recurrent Neural Networks},
author = {Anders E. Kalør and Osvaldo Simeone and Petar Popovski},
journal= {arXiv preprint arXiv:2106.07442},
year = {2021}
}