基于深度神经网络的最大化SINR小区选择算法

• 作者: 郑远 孙长印 樊超 王艺璇
• 来源期刊: 信息技术与信息化
• 关键词: 毫米波通信 异构网络 深度神经网络 链路预测
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 计算机应用
• 页码范围: 124-127
• 页数: 4页
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9528.2021.04.037

摘要

提出了基于深度神经网络DNN的最大SINR准则来模拟5G场景下的小区切换.利用准确光线追踪数据来构建能捕获对地形、建筑材料依赖性的DeepMIMO信道,在获取UE信道信息后,将5G双频段基站下的小区选择建模为分类问题,通过传统小区算法训练DNN,来获得小区选择的预测结果.仿真结果表明,基于DNN的最大化SINR方法在5G双频组网的小区选择中具有较好表现,预测准确性达到79.16％,预测的平均用户系统吞吐量能达到传统算法的84.31％.仿真结果验证了算法的有效性.