Performance Comparison of Dual Connectivity and Hard Handover for LTE-5G Tight Integration
频率高于10 GHz（毫米波频段）的通信预计将在下一代蜂窝网络（5G）中发挥重要作用，因为该技术具有潜在的多千兆位，超低延迟性能。然而，毫米波频率遭受非常高的各向同性路径损耗，这可能导致小区具有比当前LTE宏小区小得多的覆盖区域。高方向性技术将用于改善信号质量和扩大覆盖范围，以及毫米波基站（BS）的高密度部署。然而，当传播条件困难并且难以用毫米波BS提供高质量覆盖时，必须依赖上一代LTE基站，其利用较低频率（900 MHz - 3.5 GHz），其对阻塞不太敏感并且经历较低的路径损耗。为了向移动用户提供超可靠的服务，需要紧密且无缝地集成LTE和毫米波无线电接入技术的网络架构。在本文中，我们将提出两种可能的替代方案，这种整合，并显示如何模拟工具可以用来评估和比较它们的性能。
2016-07-19 cs.NI
Learning-based Handover in Mobile Millimeter-wave Networks
毫米波（mmWave）通信被认为是未来蜂窝和无线网络中超高数据速率的关键使能器。毫米波系统中基站（BS）和用户之间通过波束成形实现的定向通信的需要增加了信道估计的复杂度。此外，为了提供更好的覆盖，需要BS的密集部署，这导致频繁的切换和增加的关联开销。在本文中，我们提出了一种方法，共同解决波束成形和切换问题。我们的解决方案需要一个有效的波束形成方法与最少数量的导频和基于学习的切换方法支持移动场景。我们使用强化学习算法来学习在移动用户的不同位置的备份BS的最佳选择。我们表明，我们的方法提供了高速率和可靠性，在所有位置的用户的轨迹与最小数量的brawers。基于几何毫米波信道模型和真实建筑物地图数据的室外环境仿真结果表明，我们提出的解决方案在可实现的瞬时速率和轨迹速率方面具有优越的性能。
2020-11-03 cs.NI eess.SP
Proactive TCP mechanism to improve Handover performance in Mobile Satellite and Terrestrial Networks
正在出现的用于卫星系统的Geo Mobile Radio（GMR-1）的标准化在上层协议层与地面GSM（全球移动通信系统）具有很强的相似性，TCP（传输控制协议）是其中之一。这种空间段技术以及地面技术的特征在于通信特性和覆盖范围的周期性变化，当移动节点（MN）的连接改变随机性时，导致正在进行的呼叫的终止。虽然规定提供有效的通信基础设施，这种混合空间和地面网络必须确保端到端的网络性能，使MN可以在这些网络之间无缝移动。然而，从连接性的角度来看，当前的TCP性能还没有被设计用于多无线电MN中的移动性事件。传统上，TCP采用一套拥塞控制算法（慢启动、拥塞避免、快速拥塞、快速恢复）来探测连接路径上的当前可用带宽，这些算法需要多次往返才能找到正确的传输速率（即拥塞窗口），并适应切换引起的连接性突变。虽然有一些协议，如移动IP（MIP）和主机身份协议（HIP），以保持连接的连续性的移动性事件，TCP性能工程的关注较少。TCP被实现为操作系统中的单独组件，因此通常不知道移动性事件或多无线电通信的性质。本文旨在提高TCP在移动卫星和地面网络中的通信性能。
2012-05-30 cs.NI
Proactive Received Power Prediction Using Machine Learning and Depth Images for mmWave Networks
该研究证明了通过利用时空视觉感知信息对可靠的毫米波（mmWave）网络进行主动接收功率预测的可行性。由于毫米波链路上的接收功率可能由于人为阻塞而非周期性地衰减，因此无法通过分析阻塞发生之前的接收信号来预测未来接收功率的长期序列。我们提出了一种新的机制，预测从下一个时刻，甚至几百毫秒前的接收功率的时间序列。关键的想法是利用相机图像和机器学习（ML）。时序图像可以涉及表示毫米波信号传播的障碍物的空间几何形状和移动性。ML用于从序列图像的数据集构建预测模型，该序列图像在获得每个图像之前的几百毫秒内标记有接收功率。使用IEEE 802.11ad设备和深度相机的仿真和实验评估表明，采用卷积LSTM的拟议机制在不到3 ms的推理时间内预测了高达500 ms的接收功率时间序列，均方根误差为3.5 dB。
2018-07-24 cs.NI
Meta-Continual Mobility Forecasting for Proactive Handover Prediction
Independent Researcher（独立研究者）
本文提出了一种轻量级元连续预测框架，用于提升主动切换预测的准确性与效率，通过整合GRU预测器、元初始化和残差检测器，在减少参数量的同时实现更快的漂移恢复和更优的切换预测性能。
2025-12-03 cs.LG cs.NI
Handover and SINR-Aware Path Optimization in 5G-UAV mmWave Communication using DRL
Institute of Information Science and Technologies (ISTI) CNR（国家研究委员会信息科学与技术研究所（ISTI））
针对动态信道下UAV毫米波通信的路径优化问题，提出无模型AC-DRL框架，综合飞行时间、切换、连接性和SINR，实现最短时间、最少切换与高SINR的最优路径决策。
2025-04-03 cs.LG cs.NI eess.SP
Learning the LoS Skyline from LEO Satellite Observations for Proactive Handover
Fraunhofer FOKUS（弗劳恩霍夫 FOKUS 研究所）；Technische Universität Berlin（柏林工业大学）
该研究提出无地图方法，结合GP与MLP估计器及EphemerisWindow，从低轨卫星观测学习视距天际线，实现无需额外传感的主动切换准备。
2026-08-04 cs.NI eess.SP
PreHO: Predictive Handover for LEO Satellite Networks
Institute of Space Internet, Fudan University（复旦大学空间互联网研究所）
PreHO通过预测性切换机制优化低轨卫星网络中的切换过程，降低信令开销和延迟，提升整体效率。
2026-03-09 cs.NI
Will TCP work in mmWave 5G Cellular Networks?
毫米波（mmWave）频带中的大量可用频谱为第五代（5G）蜂窝网络提供了多Gbps数据率的可能性。然而，由于毫米波信号在定向搜索中易受阻塞和延迟的影响，毫米波容量可能是高度间歇性的。这种高度可变的链路对传输层协议和端到端应用中的自适应控制机制提出了独特的挑战。本文认为，是否TCP -最广泛使用的传输协议-将在毫米波蜂窝系统的基本问题。本文提供了一个全面的TCP仿真研究，考虑到各种因素，如拥塞控制算法，包括最近提出的TCP BBR，边缘与远程服务器，切换和多连接，TCP数据包大小和3GPP堆栈参数。我们发现，毫米波链路上的TCP的性能是高度依赖于这些参数的不同组合，并确定在这方面的开放的挑战。
2018-10-06 cs.NI
Intelligent Blockage Prediction and Proactive Handover for Seamless Connectivity in Vision-Aided 5G/6G UDNs
University of Glasgow（格拉斯哥大学）
无线设备和实时服务需求的激增迫使移动到更高的频谱。毫米波（mmWave）和太赫兹（THz）频段与波束成形技术相结合，为超密集网络（UDN）提供了显着的性能增强。不幸的是，在较高频谱处经历的小区覆盖范围缩小和严重的穿透损耗使得移动性管理成为UDN中的关键问题，特别是优化波束阻塞和频繁切换（HO）。在城市中心和城市地区，流动性管理的挑战已经变得普遍。为了解决这个问题，我们提出了一种新的机制，利用无线信号和道路上的监控系统，智能地预测可能的堵塞提前执行及时HO。本文采用计算机视觉（CV）来确定障碍物和用户的位置和速度。此外，本研究引入了一个新的HO事件，称为块事件{BLK}，定义的存在的阻挡对象和用户向阻挡区域移动。此外，多元回归技术预测直到用户到达被阻挡区域的剩余时间，从而确定最佳HO决策。仿真结果表明，与无阻塞预测的典型无线网络相比，该算法在保持用户连接性和用户体验质量（QoE）方面提高了40%.
2022-02-21 cs.LG cs.NI eess.SP
Smart Handover with Predicted User Behavior using Convolutional Neural Networks for WiGig Systems
本文针对 WiGig 系统频繁被动切换导致连接质量差和停机的问题，利用卷积神经网络预测用户行为与未来信道状态，实现主动切换，从而提升系统性能并减少不必要切换。
2023-03-28 cs.NI
Multi-Connectivity in 5G mmWave Cellular Networks
毫米波（mmWave）频率为下一代蜂窝无线系统的容量提供了数量级增加的潜力。然而，毫米波网络中的链路非常容易受到阻塞的影响，并且可能遭受质量的快速变化。因此，在毫米波和传统的较低频率中，与多个小区的连接被认为是鲁棒连接的关键。然而，在毫米波空间中支持多连接的挑战之一是网络除了跟踪每个链路的功率和定时之外还需要跟踪每个链路的方向。在高度定向的波束和快速变化的信道的情况下，这种定向跟踪可能是实现稳健的毫米波网络的主要瓶颈。为了解决这一挑战，本文提出了一种新颖的测量系统，该测量系统基于（i）UE在扫描角空间的方向上发送探测信号，（ii）毫米波小区测量瞬时接收信号强度及其方差，以更好地捕获动态，从而捕获信道/方向的可靠性，最后，（iii）集中式控制器基于毫米波小区报告做出切换和调度决定，并且经由毫米波小区或常规微波小区（当控制信令路径不可用时）发送决定。我们认为，所提出的方案，使有效的和高度自适应的小区选择在毫米波频率预期的信道变化的存在下。
2016-04-30 cs.NI
Joint user association and power allocation in ultra-dense mmWave networks: a multi-connectivity approach
在超密集毫米波（mmWave）网络中，mmWave信号遭受严重的路径损耗并且容易被障碍物阻挡。同时，超密集部署导致过多的冗余，这降低了数据链路的可靠性。为了缓解上述问题，新的技术，称为多连接使能的用户协会（MCUA）被纳入这封信。我们的目标是联合优化MCUA和下行链路（DL）功率分配（PA），以最大化每个用户的DL速率同时，而不是总。这是一个非凸非线性0-1混合整数多目标优化问题，比较复杂。为了解决这个问题，我们首先使用加权和方法将其标度化为单目标优化问题（SOOP），然后将二元关联变量放松为实数。考虑到松弛SOOP仍然是非凸的，我们对其进行了一系列的变换，使其成为凸规划的微分。最后，我们开发了一个基于凹凸过程的迭代算法来求解SOOP。数值结果证明了所提出的算法的有效性。
2022-02-08 cs.NI
Event-triggered Online Proactive Network Association to Mobile Edge Computing for IoT
移动机器的超低延迟通信成为物联网（IoT）中的关键技术。主动网络关联已经被建议在移动边缘计算的帮助下支持超低延迟通信。为了解决系统的动态性和不确定性，本文提出了一种在线主动网络关联，以最小化平均任务延迟，同时考虑时间平均能耗约束。在分布式计算和网络环境下，利用半马尔可夫任务状态和独立同分布（i.i.d.）随机事件然后，我们促进了移动性感知的预期网络关联预测性地考虑由移动性引起的切换效果。基于马尔可夫决策过程（MDP）和李雅普诺夫优化，提出了一种两阶段在线前摄网络联想（TOPNA）决策算法，该算法不需要随机事件的知识和分布。仿真结果表明了该算法的有效性。
2019-05-10 cs.NI
Secure mmWave Beamforming with Proactive-ISAC Defense Against Beam-Stealing Attacks
Electrical and Computer Engineering Department, Worcester Polytechnic Institute, USA（沃斯特理工学院电子与计算机工程系）；Electrical and Computer Engineering Department, Mississippi State University, USA（密苏里州立大学电子与计算机工程系）
针对毫米波通信中的波束窃取攻击，本文提出基于深度强化学习（PPO）与ISAC主动探测的防御框架，通过课程学习提升检测率至92.8%，同时维持用户SINR超13 dB。
2025-08-04 cs.AI cs.NI eess.SP
GPR Hierarchical Synergistic Framework for Multi-Access MPQUIC in SAGINs
本文提出GPR分层协同框架，用于优化SAGINs中多接入MPQUIC的多路径调度与拥塞控制，通过GPASP、PHACC和NNPE算法提升网络性能。
2026-03-03 cs.NI
Multi-hop Routing with Proactive Route Refinement for 60 GHz Millimeter-Wave Networks
毫米波系统的基本要求是多Gbps的峰值数据率和至多几毫秒量级的延迟。然而，高度定向的毫米波链路在诸如移动性和人为阻塞的压力条件下容易受到频繁链路故障的影响。在这些条件下，多跳路由可以实现可靠和鲁棒的性能。在本文中，我们考虑多跳毫米波（mmWave）无线系统，并提出主动路由优化方案，在动态场景下是特别重要的。首先，我们考虑AODV类型的协议，并提出了一个跨层的方法，集成了在MAC层的按需多跳路由在网络层的扇区化通信。接下来，我们考虑了背压路由协议，并通过周期性的HELLO状态消息对该协议进行了改进。基于IEEE 802.11ad标准的系统级仿真结果证实了ADOV型和背压路由协议的主动路由优化的好处。
2020-11-05 cs.IT cs.NI math.IT
NR Cell Identity-based Handover Decision-making Algorithm for High-speed Scenario within Dual Connectivity
针对5G HetNets中高速UE频繁不必要切换的问题，提出基于NCI中gNB ID识别目标gNB类型的HDMA，以改进双连接高速场景下的切换决策并提升连接稳定性。
2025-06-14 cs.NI cs.PF
A Tutorial on Beam Management for 3GPP NR at mmWave Frequencies
毫米波（mmWave）频率提供了巨大带宽的可用性，以向下一代蜂窝移动终端提供前所未有的数据率。然而，毫米波链路对快速信道变化非常敏感，并且遭受严重的自由空间路径损耗和大气吸收。为了应对这些挑战，基站和移动终端将使用高度定向的天线来实现广域网中的足够链路预算。其结果是需要发射器和接收器波束的精确对准，这是一种可能增加建立链路的延迟的操作，并且对控制层过程（诸如初始接入、切换和波束跟踪）具有重要影响。本教程概述了最近提出的用于毫米波蜂窝网络中波束和移动性管理的测量技术，并深入探讨了适用于3GPP NR蜂窝网络的精确、反应式和鲁棒控制方案的设计。我们将说明，最佳策略取决于节点部署的特定环境，并给出指导方针，以告知作为系统参数的函数的最佳选择。
2019-11-04 cs.NI
A Dual-Connection based Handover Scheme for Ultra-Dense Millimeter-Wave Cellular Networks
超密集毫米波蜂窝网络中的移动用户比传统网络中更频繁地经历切换事件，这导致由于阻塞而增加的服务中断时间和性能下降。多连接技术已经被提出来解决这个问题，它也扩展了毫米波通信的覆盖范围。在本文中，我们提出了一种基于双连接的切换方案，移动UE的环境中，他们同时与两个毫米波小区连接，以克服频繁的切换问题。该方案允许移动UE根据测量的SINR在两个毫米波连接之间选择其服务链路，然后相应的基站可以将重复的分组转发给UE。我们比较我们的双连接为基础的计划与传统的单连接为基础的计划，通过ns-3模拟。仿真结果表明，该方案能显著降低切换速率和切换时延.因此，我们认为，双连接为基础的计划，帮助移动用户实现他们需要在超密集的蜂窝环境中的性能目标。
2021-07-09 cs.NI cs.SY eess.SY
Multipath Transmission Scheduling in Millimeter Wave Cloud Radio Access Networks
毫米波（mmWave）通信为下一代蜂窝网络提供了巨大的潜力，以满足具有丰富可用频谱的快速增长的移动数据业务的需求。然而，在毫米波蜂窝系统中，阴影和阻塞效应导致间歇性连接，并且更频繁地发生切换。本文研究了一种“全毫米波”云无线接入网络（cloud-RAN），其中前传和无线接入链路都以毫米波运行。为了解决间歇性传输，我们允许移动用户（MU）通过远程无线电头端（RRH）与中央单元建立多个连接。具体而言，我们提出了一个多路径传输框架，利用“全毫米波”的云RAN架构，根据时变的网络统计，使决策的RRH关联和分组传输调度，使MU经历最小的路由延迟和分组丢弃。联合RRH关联和传输调度问题被制定为一个马尔可夫决策过程（MDP）。考虑到问题规模，提出了一种低复杂度的在线学习方案，该方案不需要网络动力学的先验统计信息。仿真结果表明，我们提出的方案优于国家的最先进的基线，在平均队列长度和平均丢包率。
2018-07-17 cs.NI
A Dynamic Obstacle Tracking Strategy for Proactive Handoffs in Millimeter-wave Networks
针对毫米波链路易受动态障碍物阻断的问题，本文仅利用短期历史链路失效信息，基于NP完全性证明和贪心集合覆盖算法恢复障碍物轨迹并触发主动切换，在低至中等相机覆盖率下优于RGB-D方案。
2023-07-12 cs.NI eess.SP
ALCS: An Adaptive Latency Compensation Scheduler for Multipath TCP in Satellite-Terrestrial Integrated Networks
针对星地一体化网络中多路径TCP调度面临的异构、不稳定和切换挑战，提出ALCS调度器，通过融合RTT、拥塞窗口、在途排队数据包及卫星轨迹信息并采用自适应延迟补偿与主动切换管理，在Linux内核实现后较基准算法吞吐量提升9.8%至44.0%。
2025-03-11 cs.NI
Improved User Tracking in 5G Millimeter Wave Mobile Networks via Refinement Operations
毫米波（mmWave）频率提供了巨大带宽的可用性，以向下一代蜂窝移动终端提供前所未有的数据率。然而，定向毫米波链路对快速信道变化非常敏感，并且遭受严重的各向同性路径损耗。为了面对这些损害，本文解决了跟踪移动用户的信道质量的问题，速率预测，有效的切换和定期监测和适应用户的传输配置的一个必不可少的过程。一个创新的跟踪方案，其中周期性的最佳转向方向的改进交替稀疏的刷新事件的性能进行了分析，在可实现的数据率和能源消耗方面，并比较那些国家的最先进的方法。我们的目的是了解在何种情况下，所提出的计划是一个有效的选择，提供一个强大的和有效的移动性管理解决方案。我们表明，我们的程序特别适合高度变化和不稳定的毫米波环境。
2017-06-01 cs.NI
Machine Learning-Driven Anomaly Detection for 5G O-RAN Performance Metrics
TUE（蒂姆大学）
针对5G/6G网络故障管理需求，本文基于O-RAN架构提出两种机器学习异常检测算法，可主动识别UE吞吐量风险、过滤异常邻小区，减少切换故障与吞吐量下降，支撑6G自愈合网络建设。
2025-09-03 cs.LG cs.NI cs.SY
RadioSight: Predictive mmWave XR Network Optimization from Dynamic Neural Radio Fields
University of Georgia（佐治亚大学）
针对毫米波XR网络波束管理易受移动和遮挡导致中断的问题，提出RadioSight系统，结合反向波束追踪与语义同步，实现实时预测性波束优化，显著降低误差、提升吞吐量与链路稳定性。
2026-09-01 cs.NI
AWaRe-SAC: Proactive Slice Admission Control under Weather-Induced Capacity Uncertainty
School of Electrical Engineering, Tel Aviv University（特拉维夫大学电气工程学院）；Department of Electrical and Computer Engineering, Northwestern University（西北大学电气与计算机工程系）；Department of Electrical Engineering, Columbia University（哥伦比亚大学电气工程系）；Department of Electronics, Information and Bioengineering, Politecnico di Milano（米兰理工学院电子、信息与生物工程系）
AWaRe-SAC通过整合预测器和接入控制算法，在天气诱导容量不确定性下实现切片接入控制，提升收益并降低QoS违规风险。
2026-02-02 cs.LG cs.NI
Handover Management through Reconfigurable Intelligent Surfaces for VLC under Blockage Conditions
本文针对室内VLC系统在阻塞和用户移动条件下的连接中断问题，提出一种利用可重构智能表面重定向链路的主动切换机制，并通过硬切换和软切换实验证明其在数据速率和切换时延上优于传统无RIS方法。
2024-01-29 cs.ET cs.NI
Blockage-Aware Non-stationary Dynamic Bandit for User Association in mmWave V2X Networks
Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息理工学系研究科）
针对毫米波车联网中动态阻塞导致的链路质量波动，提出阻塞感知非平稳动态赌博机（BAND），通过累积和变化检测缩小活跃基站集，实现无信道状态信息的在线自适应用户关联，显著降低遗憾并提升网络通信速率。
2026-06-06 cs.NI
Point Cloud-based Proactive Link Quality Prediction for Millimeter-wave Communications
Tokyo Institute of Technology（东京工业大学）；NTT Corporation（日本电报电话公司）
针对毫米波链路受行人遮挡且图像预测存在隐私风险的问题，提出基于点云的主动链路质量预测方法，并在60 GHz室内实验中证明其精度可比或优于图像方法。
2023-12-07 cs.AI cs.CV cs.LG
An Efficient Uplink Multi-Connectivity Scheme for 5G mmWave Control Plane Applications
毫米波（mmWave）频率为下一代蜂窝系统的容量提供了数量级增加的潜力。然而，毫米波网络中的链路易受阻塞影响，并且可能遭受质量的快速变化。在毫米波和/或传统频率下与多个小区的连接被认为是稳健通信的关键。在毫米波中支持多连接的挑战之一是要求网络跟踪每个链路的方向以及功率和时序。为了解决这一挑战，我们实现了一种新的上行链路测量系统，在传统频带中操作的本地协调器的联合帮助下，保证了对信道传播条件的连续监测，并允许设计高效的控制平面应用，包括切换、波束跟踪和初始接入。我们表明，基于上行链路的多连接方法，使消费更少，性能更好，更快，更稳定的小区选择和调度决策相对于传统的基于下行链路的独立计划。此外，我们认为，所提出的框架保证（i）在存在毫米波预期的信道动态的情况下有效跟踪用户，以及（ii）对主要传播路径被阻塞或不可用的情况的快速反应。
2017-07-21 cs.IT cs.NI math.IT
Intelligent Dynamic Handover via AI-assisted Signal Quality Prediction in 6G Multi-RAT Networks
R\&D Department Four Dot Infinity Athens, Greece
针对6G多RAT网络，提出基于LSTM信号质量预测的P-CHO框架，由RAT控制控制器编排，减少切换失败和乒乓事件，实现低延迟主动切换。
2025-10-16 cs.LG cs.NI
Agentic TinyML for Intent-aware Handover in 6G Wireless Networks
Center for Ubiquitous Computing（无处不在计算中心）；University of Oulu（奥卢大学）；Department of Communication Systems（通信系统系）；EURECOM；Department of Computer Science（计算机科学系）；University of Helsinki（赫尔辛基大学）；RISE Research Institutes of Sweden（瑞典研究机构）；Department of Computer Science, Electrical and Space Engineering（计算机科学、电气与空间工程系）；Luleå University of Technology（卢勒奥技术大学）
本文提出WAAN框架，利用TinyML代理实现6G网络中的意图感知主动切换，通过多模态环境控制案例验证其在保持用户体验方面的有效性。
2025-08-02 cs.AI cs.DC cs.LG
Enhancing Reliability in Federated mmWave Networks: A Practical and Scalable Solution using Radar-Aided Dynamic Blockage Recognition
University of Glasgow（格拉斯哥大学）；Al Ain University（艾因大学）；Yarmouk University（雅尔穆克大学）；Khalifa University（哈利法大学）；Carleton University（卡尔顿大学）
针对动态室外mmWave/THz链路易被移动目标遮挡的问题，提出RaDaR联邦学习框架，利用雷达图训练双输出神经网络预测遮挡状态与时间，实现主动切换并将成功率提升至94%。
2023-06-22 cs.LG cs.NI
Meta-Learning-Based Handover Management in NextG O-RAN
本文提出CONTRA框架，首次在O-RAN架构内联合优化传统切换和条件切换，通过元学习算法提升切换效率和鲁棒性。
2025-12-26 cs.AI cs.NI
Edge Computing Meets Millimeter-wave Enabled VR: Paving the Way to Cutting the Cord
本文提出了一种新的用于超可靠和低延迟无线虚拟现实（VR）的主动计算和毫米波通信。通过利用关于用户姿势的信息，使用主动计算和缓存来预计算和存储用户的HD视频帧，以最小化计算延迟。此外，还利用多连接性来确保可靠的毫米波链路，以提供用户请求的高清帧。所提出的方法的性能进行了验证的VR网络服务的交互式游戏商场，其中动态和实时渲染的高清视频帧是必要的，不同的球员的冲动行动的影响要显示的内容。仿真结果表明，$30\%$减少了端到端延迟，$50\%$减少了$90^{\textrm{th}}$百分位通信延迟。
2018-02-09 cs.IT cs.NI math.IT
Relay Selection for 5G New Radio Via Artificial Neural Networks
毫米波提供了宽带宽的替代频段，以更好地实现5G新无线电（5G-NR）的增强型移动宽带（eMBB）和超可靠低延迟通信（uRLLC）的支柱技术。当使用毫米波频段时，在无线电接入网络（RAN）中辅助基站覆盖的中继站成为一种有吸引力的技术。然而，导致最强链路的中继选择成为促进使用毫米波的RAN的关键技术。中继选择的另一种方法是利用现有的操作数据，并应用适当的人工神经网络（ANN）和深度学习算法来缓解毫米波频段的严重衰落。在本文中，我们应用分类技术，使用人工神经网络的多层感知预测的路径损耗的多个传输链路，并根据一定的损耗水平，从而执行有效的中继选择，这也建议切换到合适的路径。与其他ML算法相比，人工神经网络的多层感知证明中继选择在5G-NR的有效性。
2020-05-02 cs.NI cs.SY eess.SP
Quality-Aware Deep Reinforcement Learning for Streaming in Infrastructure-Assisted Connected Vehicles
本文提出了一种基于深度强化学习的移动感知车载网络视频流传输方案，高速公路上的车辆。我们考虑基础设施辅助和基于毫米波的场景，其中宏基站（MBS）由于毫米波波束的短距离而不能直接向车辆提供流媒体服务，使得道路沿线的小型毫米波基站（mBS）向用户提供所需的视频。为了更平滑的流传输服务，MBS主动地将视频块推送到mBS。这样做是为了支持每个mBS当前覆盖和/或将覆盖的车辆。我们制定的动态视频传输方案，自适应地确定1）哪些内容，2）什么质量和3）有多少块从MBS主动交付到mBS使用马尔可夫决策过程（MDP）。由于MBS很难跟踪所有的信道条件和网络状态具有广泛的维度，我们采用深度确定性策略梯度（DDPG）算法的DRL为基础的视频交付计划。本文最后表明，DRL代理学习流媒体策略，追求高平均质量，同时限制丢包，避免播放失速，减少质量波动和节省回程使用。
2021-10-12 cs.NI cs.SY eess.SY
Millimeter Wave Ad Hoc Networks: Noise-limited or Interference-limited?
在毫米波（mmWave）通信系统中，窄波束操作克服了严重的信道衰减，减少了多用户干扰，从而引入了噪声受限的mmWave无线网络的新概念。无论是噪声受限还是干扰受限，网络的机制都严重影响媒体访问控制（MAC）层吞吐量以及适当的资源分配和干扰管理策略。然而，在毫米波MAC层设计的当前方法中，这些机制的交替存在以及更重要的是它们对毫米波设计参数的依赖性被忽略，这对吞吐量/延迟性能具有潜在的灾难性后果。本文推导了在时隙ALOHA和TDMA下工作的毫米波网络的冲突概率和MAC层吞吐量的解析表达式。新的分析表明，毫米波网络可能会表现出从噪声限制状态到干扰限制状态的不可忽略的过渡行为，这取决于发射机的密度、障碍物的密度和大小、传输概率、波束宽度和发射功率。它的结论是，一个新的框架，自适应混合资源分配过程，包含一个积极的竞争为基础的阶段，然后是一个反应性的竞争与动态阶段持续时间的自由，是必要的，以应付这种过渡行为。
2015-10-01 cs.IT cs.NI math.IT
TARMM: Scaling Delay-Critical Edge AI Offloading in 5G O-RAN via Temporal Graph Mobility Management
Department of Computer Science Engineering Michigan State University（密歇根州立大学计算机科学与工程系）
本文提出TARMM，一种优化5G O-RAN用户移动管理的系统，通过时间图模型和多智能体强化学习框架，提升延迟关键边缘AI卸载的实时性和可靠性。
2026-04-27 cs.NI cs.SY eess.SY
Position Aware 60 GHz mmWave Beamforming for V2V Communications Utilizing Deep Learning
University of Massachusetts Dartmouth（马萨诸塞大学达特茅斯分校）；Yeshiva University（叶史瓦大学）
针对传统毫米波波束成形方法在高动态V2V场景中延迟和计算开销大的问题，提出基于深度学习、利用车辆位置信息预测最优波束的方案，在真实数据集上平均可达链路接收功率的84.58%。
2024-02-02 cs.AI cs.LG cs.NI
Mobility Management in Emerging Ultra-Dense Cellular Networks: A Survey, Outlook, and Future Research Directions
University of Oklahoma（俄克拉荷马大学）
源自移动设备的移动流量呈指数级增长，这凸显了在未来网络中实现比以往任何时候都更高效、更无缝的移动性管理的需求。超密集蜂窝网络的愿景包括不同大小的细胞与传统和毫米波波段被视为灵丹妙药的突出容量紧缩。然而，由于多个切换实例以及由此产生的设备混杂的信令开销和数据中断，在具有混杂的高频和毫米波频带小区的超密集异构网络中的移动性挑战将是前所未有的。同样，在实现新兴移动网络的雄心勃勃的收益之前，需要解决窄波束毫米波的用户跟踪和小区发现等问题。当考虑到5G可交付的多Gbps无线连接，<1 ms延迟和支持以500 km/h的最高速度移动的设备时，移动性挑战进一步突出。尽管它的重要性，很少有流动性调查存在，大多数集中在adhoc网络。本文是第一个提供一个全面的调查在新兴的超密集移动网络的移动性挑战的全景。我们不仅提供了关于5G移动方法的详细教程，并强调了传统网络的主要移动风险，还回顾了最近研究的主要结果，并从新兴超密集蜂窝网络的角度强调了与移动相关的技术挑战和潜在机遇。
2020-09-29 cs.AI cs.NI
SkyNetPredictor: Network Performance Prediction in Avionic Communication using AI
本文提出基于机器学习的飞行前网络性能预测方法，以支持公务航空中根据预测结果选择最优飞行路径的主动决策。
2025-04-20 cs.NI
Multi-Modality Sensing in mmWave Beamforming for Connected Vehicles Using Deep Learning
University of Massachusetts Dartmouth（马萨诸塞大学达特茅斯分校）；Yeshiva University（叶史瓦大学）
本文提出基于深度学习的多模态感知方案，利用传感器数据预测毫米波最优波束，在真实数据上实现最高98.19%的预测准确率，并将波束扫描搜索空间和时间开销分别降低约79.67%和91.89%。
2025-04-08 cs.AI cs.ET cs.LG
Graph Neural Networks for O-RAN Mobility Management: A Link Prediction Approach
The Laude Technology Company, S.L.（Laude技术公司）；Telecommunication Research Institute (TELMA) University of Malaga（电信研究 institute（TELMA）马德里大学）
针对 5G/O-RAN 反应式切换资源开销问题，提出基于 GNN 用户—小区链路预测的主动切换框架，并在真实数据集上比较两类模型。
2025-09-29 cs.AI cs.NI
Video Quality Monitoring for Remote Autonomous Vehicle Control
本文针对远程自动驾驶车辆控制在4G/5G网络下的视频传输可靠性问题，提出一个集成AI模型（LSTM、GRU、Transformer等）的视频质量监测系统蓝图，并通过基准测试验证其准确率与推理延迟，支持主动网络自适应决策。
2025-05-27 cs.NI cs.SY eess.SY
