面向5G及后5G的基于机器学习的波形参数选择
信号处理
2019-06-13 v2
摘要
灵活性是未来蜂窝通信技术的基本要求之一。若不具备5G及后5G系统的灵活性，就无法为每种用户和服务类型提供定制化通信方案。针对5G及后5G系统灵活性相关结构，需要进行不同的优化。本文从灵活性角度出发，设计了一种基于机器学习(ML)的可配置波形参数选择新机制。此外，提出了一种面向ML系统的基于仿真的数据集生成方法。利用所生成的数据集给出了计算机仿真结果。
引用
@article{arxiv.1906.03909,
title = {Selection of Waveform Parameters Using Machine Learning for 5G and Beyond},
author = {Ahmet Yazar and Hüseyin Arslan},
journal= {arXiv preprint arXiv:1906.03909},
year = {2019}
}
备注
It has been accepted for presentation in 2019 IEEE 30th Annual International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC)