.png){kind=icon}
返回
Federated Learning Based Base Station Selection Using LiDAR
.png){kind=icon}
OA
AI
DOI：10.1109/TVT.2025.3550090.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基站（BS）选择对于建立毫米波（mmWave）系统中的可靠通信链路至关重要。选择过程通常需要每个基站与用户设备（UE）进行握手，随着基站和用户设备数量的增加，这变得越来越复杂，导致通信开销显著增加。本文研究了使用深度学习（DL）和激光雷达（LiDAR）为自动驾驶汽车（AV）选择基站。实现了两种联邦学习（FL）方法以减少通信开销，其中基站将其参数广播给所有连接节点。本文对这两种FL变体进行了全面比较。此外，本文描述了通过射线追踪方法和激光雷达数据生成数据集。为评估所提出模型的鲁棒性和泛化能力，采用了跨不同场景的迁移学习（TL），例如改变训练样本数量、用于仿真的城市以及涉及的基站数量。仿真结果表明，所提出的方法在精度上比传统的基于接收信号强度指示器（RSSI）的基站选择提高了1.9倍，同时基于FL的基站选择在数据大小上实现了96.38%的显著减少。该提案显著最小化了通信开销，验证了其效率。
Keyword:
Autonomous vehicles
deep learning
federated learning
LiDAR
mmWave
期刊
IF:
7.1
论文数:
1.8W
被引数:
6.6W
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容