Multi-link prediction para sistemas de comunicación inalámbrica mmWave utilizando redes de tiempo constante líquido, memoria a largo plazo y interpretación utilizando regresión simbólica
Autores: Pendyala, Vishnu S.; Patil, Milind
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Multi-link prediction para sistemas de comunicación inalámbrica mmWave utilizando redes de tiempo constante líquido, memoria a largo plazo y interpretación utilizando regresión simbólica
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Desafíos
Mmwave
Calidad de la señal
Fluctuación
Calidad de red
LSTM
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 37
Citaciones: Sin citaciones
Un desafío significativo encontrado en los sistemas de ondas milimétricas y subterahercios utilizados en 5G y las próximas redes 6G es la rápida fluctuación en la calidad de la señal en diversas direcciones de haz. Las ondas de frecuencia extremadamente alta son altamente vulnerables a la obstrucción, lo que hace que incluso pequeños ajustes en la orientación del dispositivo o la presencia de bloqueadores sean capaces de causar fluctuaciones sustanciales en la calidad del enlace a lo largo de un camino designado. Este problema representa un obstáculo importante porque numerosas aplicaciones con requisitos de baja latencia requieren la previsión precisa de la calidad de la red desde muchas direcciones y celdas. El método propuesto en esta investigación demuestra un enfoque vanguardista para evaluar la calidad de las conexiones multidireccionales en sistemas de ondas milimétricas utilizando la red de constante de tiempo líquido (LTC) en lugar de la técnica de Memoria a Corto y Largo Plazo (LSTM) utilizada convencionalmente. La validez del método fue probada a través de una simulación optimista que involucra la monitorización de conexiones multicelda a 28 GHz en un escenario donde los humanos y diversas obstrucciones se movían arbitrariamente. Los resultados con LTC son significativamente mejores que los obtenidos por enfoques convencionales como LSTM. Este último resultó en un Error Cuadrático Medio de la Raíz (RMSE) de prueba de 3.44 dB, mientras que el primero, 0.25 dB, demostrando una mejora de 13 veces. Para una mejor interpretación y para ilustrar la complejidad de la predicción, también se ajusta una expresión matemática aproximada a los datos de señal simulados utilizando Regresión Simbólica.
Descripción
Un desafío significativo encontrado en los sistemas de ondas milimétricas y subterahercios utilizados en 5G y las próximas redes 6G es la rápida fluctuación en la calidad de la señal en diversas direcciones de haz. Las ondas de frecuencia extremadamente alta son altamente vulnerables a la obstrucción, lo que hace que incluso pequeños ajustes en la orientación del dispositivo o la presencia de bloqueadores sean capaces de causar fluctuaciones sustanciales en la calidad del enlace a lo largo de un camino designado. Este problema representa un obstáculo importante porque numerosas aplicaciones con requisitos de baja latencia requieren la previsión precisa de la calidad de la red desde muchas direcciones y celdas. El método propuesto en esta investigación demuestra un enfoque vanguardista para evaluar la calidad de las conexiones multidireccionales en sistemas de ondas milimétricas utilizando la red de constante de tiempo líquido (LTC) en lugar de la técnica de Memoria a Corto y Largo Plazo (LSTM) utilizada convencionalmente. La validez del método fue probada a través de una simulación optimista que involucra la monitorización de conexiones multicelda a 28 GHz en un escenario donde los humanos y diversas obstrucciones se movían arbitrariamente. Los resultados con LTC son significativamente mejores que los obtenidos por enfoques convencionales como LSTM. Este último resultó en un Error Cuadrático Medio de la Raíz (RMSE) de prueba de 3.44 dB, mientras que el primero, 0.25 dB, demostrando una mejora de 13 veces. Para una mejor interpretación y para ilustrar la complejidad de la predicción, también se ajusta una expresión matemática aproximada a los datos de señal simulados utilizando Regresión Simbólica.