基于大数据的5G及未来无线系统信道表征与建模

---

如今，大数据在各个领域受到越来越多的关注，极大地改变了我们的生活方式，已成为最热门的研究课题之一。大数据的基础在于数据的海量和规模，因此如果我们能从海量数据中提取出更多有用的信息，就能更好地做出决策。

5G的巨大发展，特别是互联网和物联网的结合，极大地增加了无线数据的数量和类型。与4G相比，带宽(超过数百兆赫兹)、中心频率(厘米和毫米波波段)、天线数量(三维和大规模MIMO)、传感器数量(物联网)和应用场景的巨大扩展，导致了数据量的快速增长。更具体地说，就物联网而言，5G系统中传感器的密度迅速增加，典型场景中传感器分布在任何地方，导致无线链路呈指数级增长，传统信道表征方法难以处理。

准确地描述无线信道特性是保证5G系统需求的关键。大数据的初步表现在各个领域提供了良好的前景。利用大数据，可以更深入地挖掘无线信道的特性，更精确地对信道进行参数化，这是前人没有研究过的。在本期特刊中，我们诚挚邀请一些研究人员撰写论文，探讨利用大数据和机器学习以及其他人工智能理论对5G系统进行信道建模和仿真。本期特刊将介绍这一领域的最新研究进展。

纸”的一项调查显示在机器上优于移动大数据分析:挑战和应用”研究如何识别和基于机器学习的发展要求移动大数据(MBD)通过讨论分析见解MBD的挑战和审查最先进的应用程序的数据分析MBD的面积。本文介绍了MBD的发展，并对常用的数据分析方法进行了综述。分别介绍了MBD分析的三种典型应用，即无线信道建模、人的在线和离线行为分析以及车联网中的语音识别与验证。最后提出了大规模高速网络、过拟合和欠拟合问题、泛化问题、跨模学习和信道维度扩展等5个主要挑战。

摘要《基于K-means算法的全双工D2D集群资源分配方案》讨论了单单元场景中设备对设备(D2D)资源分配和控制的技术问题。提出了受限D2D通信区域和受限D2D用户重用区域的概念，以降低资源分配的复杂性和干扰强度。并在满足系统各用户服务质量要求的前提下，对资源分配算法进行了改进，进行了资源的优化分配，详细给出了算法的过程。仿真结果表明，该算法能很好地消除干扰，提高频谱效率和系统的公平性。

随着无人机以其高灵活性和低成本在许多应用中发挥着重要作用，对空对空场景信道特性的研究越来越多。论文《城市环境中基于机器学习方法的空对空路径损耗预测》提出了基于机器学习的无人机AA场景的路径损耗模型。一个光线追踪软件已被用来为一个城市的AA方案生成数据。并通过随机森林和k-Nearest Neighbor (KNN)两种机器学习算法对模型进行了学习。测试数据被用来评估这些基于机器学习的模型和两个经验模型，隋模型和COST231-W-I模型的准确性性能。实践证明，对于这样复杂的环境，机器学习提供了一种基于训练数据的灵活建模方法，其中随机森林的预测性能最好。此外，还分析了AA场景中五个输入特征对路径损失的重要性。实验结果表明，路径能见度是主要影响因素。传播距离和仰角也有很大的影响。

本文“预测无线MmWave大规模MIMO信道特性使用机器学习算法”处理的主题预测信道统计特性的基础上,著名的机器学习算法,卷积神经网络(CNN),三维毫米波多大规模的多个输出室内通道。本文利用射线追踪软件Wireless InSite建立了测量数据集。本文完整描述了创建和训练基于cnn的模型的过程，并特别强调了训练过程。结果表明，预测的信道统计特性与实际的信道统计特性具有很好的吻合性。

众所周知，随着高速铁路的快速发展，隧道场景作为一种重要的通信场景越来越受到人们的关注。《基于光线追踪模拟器的轨道交通隧道场景的通道特性》这篇论文很好地理解了基于光线追踪的隧道场景的通道特性。分析了不同载频和隧道截面下的信道特性，得出了一些重要结论:与其他隧道相比，长拱形隧道的信道衰减严重且稳定。车身的存在增加了35db的路径损失，导致通道的波动和不稳定。当Tx与Rx的距离小于100m时，k因子变化剧烈，在远区平稳减小。

论文《高速铁路场景的非平稳特性分析》根据基于被动长期演化(LTE)的信道测量方法，对包括农村、车站和郊区在内的典型高速铁路场景的非平稳特性进行了分析。此外，建立了多路径分量的四态马尔可夫链模型(MCM)来描述多路径分量的出生-死亡(B-D)过程，给出了相应的状态转移概率矩阵和稳态概率。研究结果为高速通信系统的非平稳信道建模提供了有益的信息。

这篇题为“一种使用NDN实现5G的基于请求的切换策略”的论文探讨了5G超密集网络(UDN)中小蜂窝基站(SBS)的切换问题。提出了基于请求的切换策略(RBHS)，提高了用户的性能体验，实现了资源的最优分配，并引入了基于用户请求的缓存机制。利用ndnSim对所提出的缓存机制和接入网络选择机制进行了验证。仿真结果表明，与基于信噪比的接入网选择策略相比，该策略的缓存命中率提高了30%左右，流量减少了20%。

论文“5G大数据海量天线毫米波通信的MU-MIMO下行容量分析及最佳码权向量设计”讨论了多用户多输入多输出(MU-MIMO)无线通信系统中，为每个用户设计最优波束矢量，最大限度地减少其他用户的干扰。采用基于信漏加噪声比的非线性加率分析方法，在Ricean衰落信道中使用脏纸编码(DPC)。通过对特征向量逼近幂次迭代法的探索，提出了一种寻找最佳波束权向量的新方法。与SVD方法相比，该方法在每个用户平均可达和速率容量方面取得了更高的性能，证明了该方法能显著提高系统容量。

综上所述，本期特刊为基于大数据的无线信道复杂的表征和建模带来了新的见解。我们希望这些信息将有助于5G的发展，并提供一些新的方法来解决一些无线信道问题。

的利益冲突

编辑声明，他们在本特刊的出版上没有利益冲突。

刘
Jianhua张
Sana Salous
Tommi Jamsa

版权

版权所有:刘柳等这是一篇开放获取下发布的文章知识共享署名许可，允许在任何媒体中不受限制地使用、发布和复制原创作品，只要原稿被正确引用。