全向与定向天线双频系统中基于监督机器学习的频段分配方案
机器学习
2022-03-11 v2 信息论
math.IT
机器学习
摘要
许多无线网络，包括 5G NR（新空口）及未来超越 5G 的蜂窝系统，预计将在多个频段上运行。本文研究双频系统中的频段分配（BA）问题，其中基站（BS）从两个可用频段（厘米波与毫米波频段）中选择一个与用户设备（UE）通信。尽管毫米波频段可能提供更高的数据速率，但其存在显著的断链概率，此时通信应在（更可靠的）厘米波频段上进行。在移动场景下，BA 可视为一个序贯问题，基站利用先前观测信息预测未来时隙的最佳频段。我们将 BA 建模为二分类问题，并提出监督机器学习（ML）解决方案。我们研究了 BS 与 UE 均使用（i）全向天线以及（ii）均使用定向天线两种情况。在全向情形下，基于带间阴影衰落的 Gaussian Process（GP）假设推导了解析基准方案。在标注复杂的定向情形下，我们提出了一种基于 Viterbi Algorithm（VA）的高效标注方法。我们在两种信道模型下比较性能：（i）随机信道与（ii）基于射线追踪的信道。
引用
@article{arxiv.1902.10890,
title = {Supervised ML Solution for Band Assignment in Dual-Band Systems with Omnidirectional and Directional Antennas},
author = {Daoud Burghal and Rui Wang and Abdullah Alghafis and Andreas F. Molisch},
journal= {arXiv preprint arXiv:1902.10890},
year = {2022}
}
备注
16 pages, 11 figures, 6 tables