基于经验模态分解的URLLC预测式资源分配
信号处理
2023-04-05 v1
摘要
有效的资源分配是实现超可靠低延迟通信（URLLC）业务严苛性能目标的关键要求。预测未来干扰并利用其设计高效的干扰管理算法，是为URLLC业务有效分配资源的一种途径。本文提出一种基于经验模态分解（EMD）的混合预测方法，用于预测干扰并基于预测结果为下行链路分配资源。EMD用于分解用户设备所面临的历史干扰值。长短期记忆和自回归积分滑动平均方法用于预测分解后的分量。最终预测干扰值由分解分量的各预测值重构得到。研究发现，这种基于分解的预测方法将预测的根均方误差降低了。所提出的利用基于EMD的干扰预测的资源分配算法实现了近乎最优的资源分配，并且与基于最先进基线预测算法的资源分配相比，相应地使中断概率降低了个数量级。
引用
@article{arxiv.2304.01696,
title = {Predictive Resource Allocation for URLLC using Empirical Mode Decomposition},
author = {Chandu Jayawardhana and Thushan Sivalingam and Nurul Huda Mahmood and Nandana Rajatheva and Matti Latva-Aho},
journal= {arXiv preprint arXiv:2304.01696},
year = {2023}
}
备注
Accepted for European Conference on Networks and Communications (EUCNC) and 6G Summit-2023, Gothenburg, Sweden