大规模MIMO组网场景中的网络时延预测

• 作者: 叶国骏 朱军 李剑 李汐 臧守涛
• 来源期刊: 安徽大学学报（自然科学版）
• 学科: 工学
• 关键词: 5G 网络规划与优化 射线追踪模型 深度学习 时延预测
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 电子与自动化技术
• 页码范围: 35-42
• 页数: 8页
• 分类号: TN92
• 字数: 3314字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2162.2020.02.007

摘要

针对5G网络规划与优化存在的问题,提出一种融合系统仿真和深度神经网络模型的网络时延预测方法.基于射线追踪模型、高清地图、工程参数等构建时延仿真模型,利用时延仿真模型获取大量时延数据.基于无线通信理论提出三视图特征模型,此模型用于输入特征提取.通过深度神经网络学习时延数据特征,训练神经网络模型,利用神经网络模型预测网络时延.实验结果表明该方法具有可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李剑	中国科学院上海微系统与信息技术研究所	59	727	15.0	24.0
2	朱军	安徽大学电子信息工程学院	77	399	10.0	17.0
3	臧守涛	安徽大学电子信息工程学院	2	0	0.0	0.0
4	李汐		1	0	0.0	0.0
5	叶国骏		1	0	0.0	0.0