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：信息技术与信息化, 2021, (04): 124-127.

• 毫米波通信
• 异构网络
• 深度神经网络
• 链路预测

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。

• 单位
  西安邮电大学; 通信与信息工程学院