随着移动通信技术的快速发展,需要大量的高质量的无线服务。报告称思科VNI全球移动数据流量预估2017年全球移动数据流量将增加近7倍从2016年到2021年,和移动网络连接的速度在2021年将增加三倍。有很大差距无线服务的未来需求和当前通信技术,即使使用4 g / 5 g技术。如何设计智能算法/计划充分利用有限的无线资源是这个特殊的主题问题。机器学习作为一种重要的学科,包括人工智能、模式识别和计算学习理论和算法从过去学习,在复杂的场景中进行预测。它可以用来分析前/当前广播条件和通信模式在无线通信技术中,如频谱利用率、信道容量、功率、天线配置和异构链接属性和帮助生成最优的行动来改善服务质量(QoS)。
最近,一些机器学习算法提出了对无线传感器网络来说,认知无线电网络,仿生学研究网络,机器对机器通信、MIMO链路适应,天线选择、拥塞控制等。机器学习一直是最活跃的研究领域之一,由于其巨大的成功在一个广泛的领域。然而,迄今为止,对无线通信的影响非常有限。主要的挑战是如何制定通信系统中存在的问题作为一个合适的机器学习模型。
摘要“多层学习网络调制分类与频率偏移取消辅助卫星地面链接”地址载波频率偏移的问题。频率偏移是取消使用多层学习框架,而相同的学习框架也可以用于调制分类。本文基于“行人运动学习的室内无线局域网定位通过空间聚类”提出了一种新的基于行人运动学习室内无线局域网定位方法。本文实现了满意的定位服务没有位置校准或运动传感器的需求。本文基于机器学习的“分布式路由策略LEO卫星网络”侧重于有效和可靠的LEO卫星网络的路由。考虑到交通在地球表面的分布密度,基于极限学习机的分布式路由策略做出路由决策基于流量预测。摘要“无线定位基于用户取向估计和智能手机携带位置识别”提出了一种新颖的无线指纹定位方法考虑用户取向使用变量的主成分分析和智能手机携带位置采用鲁棒随机森林分类器。实验结果表明,提出的无线定位方法可能显著提高定位精度。论文“基于遗传算法的并行算法提高认知无线电的性能”关注的载波间干扰(ICI)认知无线电(CR)的问题。本文使用机器学习算法获得最优干扰副载波的未经授权的用户。 Moreover, the parallel ICI suppression algorithm is designed to improve the calculation speed and meet the practical requirement of CR.
五个文件集是精心挑选的读者如何不同的机器学习技术,从经典的主成分分析多层学习网络,找到他们的应用程序在不同的无线通信领域。特别是,作品在这个特殊的问题在通信协议栈演示机器学习应用程序,从数字调节技术,认知无线电,在定位和路由,应用和运动学习。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
客人编辑要感谢所有审阅人员审查他们的努力的手稿提交给这个特殊的问题。这个特殊的问题是部分支持下由中国国家自然科学基金批准号U1733114和61631017号和中央大学的基础研究基金批准号22120180089。
Xin-Lin黄
范胡
小民马
Ioannis Krikidis
德扬Vukobratovic