新兴超密集网络移动性管理探析
2022-11-26董春利王莉
电子测试 2022年15期
关键词:用户
董春利,王莉
(南京交通职业技术学院电子信息工程学院,江苏南京,211188)
0 引言
蜂窝网络中的移动性在确保为用户提供最佳体验方面发挥着关键作用。它保证移动用户不仅能够保持连接,而且在向目的地移动时获得与网络的最佳可用连接。无缝、及时的切换和小区重选,一直是包括5G在内的任何无线通信系统的主要挑战[1]。
1 新兴的人工智能辅助移动性管理
近年来,人工智能在未来蜂窝网络中,主动管理移动性方面已广受欢迎。这主要是因为配置参数数量的增加,以及网络参数和相关KPI之间的复杂交互。一旦研究界能够克服这些复杂的挑战,人工智能辅助解决方案将对电信行业产生革命性的影响。现在将介绍一些支持人工智能的移动管理解决方案。
移动性预测算法在文献[2]中提出。作者使用逼真的移动模式来捕捉人类运动,并使用符合3GPP的5G模拟器来表示HetNets场景。结果表明,对于2dB阴影,使用XGBoost可以实现几乎87%的移动性预测准确度,而使用深度神经网络(DNN)可以实现78%的移动性预测准确度。可以通过使用时间序列预测器(例如递归神经网络或LSTM)来扩展这项工作。
文献[3]中的作者使用XGBoost监督机器学习算法,来执行从sub-6GHz到共址毫米波单元的部分盲切换。作者表明,这种基于机器学习的算法可以实现部分盲切换,可以提高共址小区的实际网络设置中的切换成功率。提出的算法应与现有的切换方法在能效和无线电链路故障(RLF)方面进行比较,以进一步验证算法的有效性。……
登录APP查看全文
