雨中切换：预测式无线 x-haul 网络重配置
网络与互联网体系结构
2022-03-08 v1 机器学习
摘要
无线 x-haul 网络依赖 4G 和/或 5G 基站之间的微波与毫米波链路来支持超高数据速率与超低时延。这些高频链路的一个主要挑战是其对天气条件的敏感性。特别地，降水可能导致严重的信号衰减，从而显著降级网络性能。在本文中，我们开发了一个预测式网络重配置（PNR）框架，该框架利用历史数据预测每条链路的未来状况，并提前为即将发生的扰动做好准备。PNR 框架包含两个组件：(i) 衰减预测（AP）机制；以及 (ii) 多步网络重配置（MSNR）算法。AP 机制采用编码器-解码器长短期记忆（LSTM）模型来预测每条链路的未来衰减水平序列。MSNR 算法利用这些预测动态优化路由与准入控制决策，旨在最大化网络利用率，同时保持共享网络的基站之间的最大最小公平性，并防止由重路由引起的瞬时拥塞。我们使用包含从真实城市级回程网络收集的超过 200 万次测量的数据集对 PNR 框架进行训练、验证和评估。结果表明该框架：(i) 以高准确度预测衰减，在 50 秒预测 horizon 下 RMSE 小于 0.4 dB；且 (ii) 与无法利用未来扰动信息的被动式网络重配置算法相比，可将瞬时网络利用率提升逾 200%。
引用
@article{arxiv.2203.03383,
title = {Switching in the Rain: Predictive Wireless x-haul Network Reconfiguration},
author = {Igor Kadota and Dror Jacoby and Hagit Messer and Gil Zussman and Jonatan Ostrometzky},
journal= {arXiv preprint arXiv:2203.03383},
year = {2022}
}