基于人工神经网络的 5G 新空口中继选择
系统与控制
2020-05-05 v1 网络与互联网体系结构
系统与控制
信号处理
摘要
毫米波提供了一个宽带的替代频段，以更好地实现增强移动宽带（eMBB）和超可靠低时延通信（uRLLC）等 5G 新空口（5G-NR）的支柱技术。在使用毫米波频段时，用于辅助无线接入网（RAN）中基站覆盖的中继站成为一种有吸引力的技术。然而，为实现最强链路而进行的中继选择成为促进使用毫米波的 RAN 的关键技术。一种实现中继选择的替代方法是利用现有运行数据并应用适当的人工神经网络（ANN）和深度学习算法来缓解毫米波频段的严重衰落。在本文中，我们应用基于多层感知机的 ANN 分类技术来预测多个传输链路的路径损耗，并基于一定的损耗水平执行有效的中继选择，同时也推荐切换到合适的路径。我们将多层感知机 ANN 与其他机器学习算法进行比较，以证明其在 5G-NR 中继选择中的有效性。
引用
@article{arxiv.2005.00741,
title = {Relay Selection for 5G New Radio Via Artificial Neural Networks},
author = {Saud Aldossari and Kwang-Cheng Chen},
journal= {arXiv preprint arXiv:2005.00741},
year = {2020}
}
备注
5 pages and 4 figures