面向毫米波网络的基于机器学习与深度图像的主动接收功率预测
网络与互联网体系结构
2020-01-09 v2
摘要
本研究展示了利用时空视觉感知信息以实现可靠毫米波网络中主动接收功率预测的可行性。由于毫米波链路上的接收功率会因人类遮挡而发生非周期性衰减，因此无法通过分析遮挡发生前的接收信号来预测未来接收功率的长时序列。我们提出了一种新机制，能够预测从下一时刻起甚至提前数百毫秒的接收功率时间序列。其核心思想是利用摄像机图像与机器学习 (ML)。时间序列图像可包含表征毫米波信号传播的障碍物空间几何与移动性。ML 用于从序列图像数据集中构建预测模型，该数据集中每张图像均带有该图像获取时刻起数百毫秒后的接收功率标签。使用 IEEE 802.11ad 设备与深度摄像机的仿真与实验评估表明，采用卷积 LSTM 的所提机制能够提前至 500 ms 预测接收功率时间序列，推理时间不到 3 ms，均方根误差为 3.5 dB。
引用
@article{arxiv.1803.09698,
title = {Proactive Received Power Prediction Using Machine Learning and Depth Images for mmWave Networks},
author = {Takayuki Nishio and Hironao Okamoto and Kota Nakashima and Yusuke Koda and Koji Yamamoto and Masahiro Morikura and Yusuke Asai and Ryo Miyatake},
journal= {arXiv preprint arXiv:1803.09698},
year = {2020}
}