Feb, 2023

无线局域网用户感知的传输功率控制

PDF
TL;DR本文是第一篇在生产网络环境中使用基于用户感知的传输功率控制系统的研究，提出了一种新的方法来评估用户密度和研究了一种新的机器学习方法以估算缺失信号强度测量值。实验表明，相较于现有技术方案，该新系统可以提高 15dBm 的中位信号强度，同时降低空间干扰，代价是由于终端不合作性导致的上行信号强度下降了 5dBm。
wireless local area networksaccess pointtransmit power controluser densitymachine learning approach
发现论文，激发创造
  • 通过图神经网络的反事实优化进行无线电力控制

    通过利用网络拓扑结构创建图神经网络架构并使用反事实优化方法学习最优功率分配决策，实现在一定网络配置范围内，保证最低速率限制，达到平均用户速率和第 5 百分位用户速率之间的平衡。

    Feb, 2020

  • IEEE 802.11ax WLAN 中 AP 发起的多用户传输

    论文研究了下一代 802.11ax WLANs 的特点，实现了基于 AP 的 OFDMA 和 MU-MIMO 传输，并针对 802.11ax 网络的饱和吞吐量进行了数学分析和模拟，结果表明，多用户通信可以显著提高网络性能。

    Feb, 2017

  • 认知无线电频谱共享的智能功率控制：深度强化学习方法

    本文提出了一种基于深度强化学习的方法，用于共享主要用户和次要用户之间的频谱，并设计了一组空间部署的传感器节点以帮助感知无线环境中的接收信号强度信息，从而使得次要用户可以与主要用户有效地交互以达到传输数据的设定目标状态。

    Dec, 2017

  • D2D 覆盖蜂窝网络的功率控制：建模、算法和分析

    本文提出了基于随机几何的随机网络模型，开发了集中式和分布式功率控制算法，以确保蜂窝用户具有足够的覆盖概率，并尝试支持尽可能多的 D2D 链接，同时限制 D2D 用户产生的干扰。数值结果显示了所提出的功率控制算法的增益和分析结果的准确性。

    May, 2013

  • 基于相关赌博学习的小区域传输功率分配

    本文提出了一种基于随机赌博理论和贝叶斯原理的小型基站传输功率分配算法，其通过利用人类用户行为的简单覆盖反馈，极大地减少了计划人员的人力测量。该算法在考虑了功率切换惩罚的同时，将相似功率值之间的性能相关性纳入考虑，利用先前的先验知识恢复了更多的性能下降，并达到了最优长期功率设置。

    Mar, 2017

  • 移动网络中功率控制和速率自适应的强化学习方法

    本文介绍了一种利用强化学习优化功率控制和速率自适应的无线系统的新框架，包括系统状态特征的建模、奖励函数的设计和控制策略的学习方法，并通过系统级模拟验证了能够显著降低功耗并在系统用户之间实现公平的功率控制策略。

    Nov, 2016

  • 面向空中计算网络的协作干扰管理

    本文研究多小区 AirComp 网络的功率控制策略，包括中心化多小区功率控制和分布式功率控制。该文提出了一种基于集成电路的方法来解决无中心控制的情况并证明了该算法的有效性，模拟结果表明，采用所提出的算法的协作功率控制可以大幅减少 AirComp 网络的总均方误差。

    Jul, 2020

  • 基于数据库辅助的分布式频谱共享

    该文章研究了基于数据库的分布式白空间接入点网络设计，并提出了一种可以实现系统最优点和纳什均衡的分布式 AP 通道选择算法和分布式 AP 关联算法。

    Jan, 2013

  • 在衰落信道中为无线计算优化功率控制

    该论文研究了在衰落信道上 Over-the-air computation（空中计算）的功率控制问题。通过优化无线设备的发送功率和协作中心的信号缩放因子，实现最小化计算误差的目标。通过推导出闭合形式的最优解，并设计规则化的通道倒置结构，通过平衡信号幅度对齐和噪声抑制之间的权衡，以获得更好的计算性能。

    Jun, 2019

  • 用于 WLAN 干扰估计的跨网络可转移神经模型

    本文采用基于实际数据的方法，研究 WLAN 中的干扰估计问题。并通过分析各种深度学习体系结构在准确性、泛化性和对异常数据的鲁棒性方面的控制比较，结论是图卷积网络（GCN）表现最佳，但如果不得不给出节点索引，则无法学习特定节点的行为。同时，还验证了 GCN 模型的泛化能力。

    Nov, 2022