变分自编码器辅助的神经网络似然RSRP预测模型
网络与互联网体系结构
2022-07-04 v1 机器学习
信号处理
摘要
衡量移动数据的客户体验对全球移动运营商至关重要。参考信号接收功率(RSRP)是当前移动网络管理、评估与监控的重要指标之一。通过最小化路测(MDT)——一种3GPP标准技术——收集的无线数据常用于无线网络分析。在不同地理区域收集MDT数据效率低下且受地形条件与用户存在限制,因此并非动态无线环境的适用技术。本文研究一种利用MDT数据与数字孪生(DT)的RSRP预测生成模型,并提出一种数据驱动的两层神经网络(NN)模型。第一层通过变分自编码器(VAE)提取与用户设备(UE)、基站(BS)及网络关键性能指标(KPI)相关的环境信息。第二层设计为似然模型。此处采用环境特征与真实MDT数据特征,构建集成训练过程。在验证中,我们使用真实世界数据所提模型相比经验模型准确率提升约20%以上,相比全连接预测网络提升约10%。
引用
@article{arxiv.2207.00166,
title = {Variational Autoencoder Assisted Neural Network Likelihood RSRP Prediction Model},
author = {Peizheng Li and Xiaoyang Wang and Robert Piechocki and Shipra Kapoor and Angela Doufexi and Arjun Parekh},
journal= {arXiv preprint arXiv:2207.00166},
year = {2022}
}
备注
6 pages, 4 figures. This paper has been accepted for publication in PIMRC 2022