面向6G多层异构网络的高度感知深度学习选择框架
《Electronics》:AI-Enabled Hierarchical Network Selection in Integrated 6G TN-NTN Architectures
【字体:
大
中
小
】
时间:2026年09月25日
来源:Electronics 2.9
摘要
第六代(6G)无线系统旨在通过融合地面网络(TNs)与非地面网络(NTN)协作来实现无处不在的互联,其中包括低地球轨道(LEO)卫星、高空平台站(HAPS)和无人机(UAV)。在这种具有大规模多连接特征的分层垂直架构中,为每个移动用户选择最合适的层级或层级组合是一项复杂的任务,因为该决策同时取决于传播环境、用户需求以及拓扑的瞬时特性。本文提出了一种感知高度的深度学习(DL)框架,将多层网络选择建模为一个七分类问题,涵盖独立地面网络(TN)、低地球轨道卫星(LEO)、高空平台站(HAPS)和无人机(UAV)接入,以及它们与地面网络辅助的多连接组合,因为这三个非地面网络层级在高度上可相差多达四个数量级,因此从延迟和吞吐量角度来看它们是不可互换的。基于标准化的信道和几何模型(包括3GPP TR 38.901地面路径损耗和视距概率、卫星星座仰角,以及高空平台站和无人机的空对地链路几何),通过大规模蒙特卡洛仿真生成了一个包含十五个特征的数据集。利用该数据集训练了一个深度神经网络(DNN),并通过分层五折交叉验证对其性能进行评估。所提出的模型达到了92.8%的整体分类准确率,宏平均F1分数为0.87,单样本推理延迟约为1.8毫秒,远低于典型6G切换预算。结果表明,基于需求和几何感知的层级选择可以准确执行,从而实现在6G网络模糊多连接配置下的实时决策。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号