机构名称：
¥ 1.0
摘要 — 太赫兹 (THz) 无线网络有望催化第五代 (B5G) 时代。然而，由于 THz 链路的方向性和视距需求，以及 THz 网络的超密集部署，介质访问控制 (MAC) 层需要面对许多挑战。更详细地说，通过结合能够在复杂且频繁变化的环境中提供“实时”解决方案的人工智能 (AI)，重新考虑用户关联和资源分配策略的必要性变得显而易见。此外，为了满足多个 B5G 应用的超可靠性和低延迟需求，需要新颖的移动性管理方法。在此基础上，本文提出了一种整体的 MAC 层方法，该方法可实现智能用户关联和资源分配，以及灵活和自适应的移动性管理，同时通过最小化阻塞来最大限度地提高系统的可靠性。更详细地，记录了一种快速集中的联合用户关联、无线电资源分配和阻塞避免，该方法通过一种新颖的元启发式机器学习框架实现，可最大限度地提高 THz 网络性能，同时将关联延迟最小化大约三个数量级。为了在接入点 (AP) 覆盖范围内支持移动性和避免阻塞，讨论了一种用于波束选择的深度强化学习 (DRL) 方法。最后，为了支持相邻 AP 覆盖区域之间的用户移动性，报告了一种基于 AI 辅助快速信道预测的主动切换机制。
人工智能赋能多路访问超级...
主要关键词
相关文件推荐
