基于生成神经网络的空间一致性空地信道建模
信息论
2024-02-07 v1 网络与互联网体系结构
信号处理
math.IT
摘要
本文提出了一种用于空间一致性空地信道建模的生成神经网络架构。该方法考虑了无人机沿典型城市路径的轨迹，捕获了来自多个蜂窝基站（gNB）的接收信号强度（RSS）序列中的空间依赖性。通过引入条件数据，该模型能准确区分不同的 gNB，并将真实序列与生成序列之间的相关矩阵距离降至最低。这使得能够利用空间（以及时间）一致的 RSS 值来评估性能和移动性管理指标，而非使用独立的快照。对于这些指标所支撑的某些任务，例如切换，一致性至关重要。
引用
@article{arxiv.2402.03517,
title = {Spatially Consistent Air-to-Ground Channel Modeling via Generative Neural Networks},
author = {Amedeo Giuliani and Rasoul Nikbakht and Giovanni Geraci and Seongjoon Kang and Angel Lozano and Sundeep Rangan},
journal= {arXiv preprint arXiv:2402.03517},
year = {2024}
}
备注
To appear in IEEE Wireless Communications Letters