5G D2D网络中基于机器学习的中继选择策略

摘要

cqvip:在5G D2D通信模式下,通过综合考虑中继节点在网络中所处的地理位置及中继节点处的信道增益,在多中继双向中继网络中提出一种基于CART决策树机器学习方法的优化中继选择策略RSBC。首先提出以地理位置和信道增益作为分类特征的两种分类方法,两种分类方法对应的系统性能增益不尽相同。为使最终选出的中继集能给系统带来最大性能增益,使用基尼系数和信息增益对两种分类方法进行了比较,并最终得到最优分类方式。在仿真中对系统的频谱效率和中断概率两个重要指标进行了分析比较,仿真结果证明了RSBC策略能够有效提升系统性能。