该研究提出了一种基于实际数据集的新颖的 5G 基站能耗建模方法，通过将基站标识符（BSID）信息纳入输入特征并使用嵌入层进行编码，以准确表示不同基站的能源指纹，并引入了掩码训练方法和注意机制来提高模型的泛化能力和准确性，在评估中实现了显著改进，将平均绝对百分比误差（MAPE）从 12.75％降低到 4.98％，性能提升超过 60％。

Jun, 2024

本文介绍了第五代（5G）射频技术，以及第三代伙伴关系项目（3GPP）新射频规范，提供了用于显著降低下一代网络能耗和温室气体排放的工具。重点介绍了能够实现能效的关键技术，例如大规模多输入多输出（MIMO），轻载波设计和先进的空闲模式，探讨了其在能源消耗方面的最佳操作点和理论折衷。最后，讨论了未来网络需要更多努力实现绿色网络的研究领域。

Jan, 2021

通过使用模拟通信网络 (SRCON) 框架，利用机器学习和专家模型，该研究详细介绍了一种基于真实网络数据的能效模拟方法，用于预测网络能效和用户设备服务质量，从而优化移动网络的能源消耗。

Dec, 2023

机器学习方法在通信问题中被越来越广泛地采用，尤其是在下一代无线设置中。通过使用贝叶斯参数调整和时空高斯过程代理建模，我们能够降低现有硬件的能耗并改善网络性能，同时减少下一代混合波束赋形系统的开销，从而大大提高网络的能效和针对高移动用户的目标能力。贝叶斯范式本身对于能源使用也是有帮助的，因为训练一个贝叶斯优化模型所需的计算要比训练深度神经网络要少得多。

Sep, 2023

本文提出了一种基于边缘控制器的 5G 移动网络结构，利用全球用户的移动模式来动态聚类和关联基站和控制器，以及通过控制器运行机器学习算法来预测每个基站的用户数量，为高层次应用程序提供路由服务，以提高网络的重要性能指标。

Aug, 2018

本研究提出了一种用于毫米波基站的睡眠模式优化方法，在 3D 城市环境中通过神经网络和上下文多臂老虎机算法对用户设备进行动态和多样化的流量聚类，采用波束成形技术降低用户设备的能耗，并通过睡眠模式优化策略从基站的角度减少能量消耗，仿真结果表明该方法在用户速率和平均吞吐量上优于其他睡眠模式策略，并在能量效率方面表现出色。

May, 2024

本文提出一种基于优化的框架，用于异构无线网络中的能量高效全局无线资源管理，具体包括联合优化用户关联和频谱分配来稳定网络，然后最小化延迟。数值结果显示，与现有方案相比，该方案显著降低了能量消耗并提高了服务质量。

Sep, 2015

通过使用空中基站（由无人机搭载）进行可靠和安全的电力再分配，减少基站的停电，并保持一致的吞吐稳定性，从而提高无线通信系统的可靠性和稳健性。

Nov, 2023

通过提出一个可评估机器学习模型可行性的新方法，本文在实际基站测量的基础上，对巴塞罗那地区的联邦学习场景中使用的最先进的深度学习体系结构进行全面评估，发现较大的机器学习模型在性能上略有提升，但在碳足迹方面产生了显著的环境影响，使其在实际应用中不切实际。

Sep, 2023

提出了一种大数据缓存架构来实现在 5G 无线网络中对内容的主动缓存，通过使用大数据分析工具，数值研究结果表明在提高用户满意度和减轻回传负载等方面获得了显著的收益。

Jun, 2016