연구자들은 백홀 지연으로 인해 분산형 5G 네트워크에서 발생하는 성능 저하를 해결하기 위해 미래 사용자 장비의 스케줄링 상태를 예측하는 데 스펙트럴 타임 그래프 뉴럴 네트워크(StemGNN)를 사용할 것을 제안합니다. 이 예측을 사용하여 오래된 셀 간 정보를 대체함으로써 협력 빔포밍에서의 지연된 조정의 부정적인 영향을 완화합니다.

  • StemGNN은 87.57%의 평균 스케줄링 예측 정확도를 달성하여 평가된 모든 시간 범위에서 LSTM, GRU, Simple RNN, 마르코프 체인 기반을 능가했습니다.
  • 사용자 간 구조적 의존성이 지배적인 더 긴 시간 범위에서는 LSTM 대비 최대 7.71%의 이점을 보입니다.
  • 협력 빔포밍에 통합되면 예측은 하나의 전송 시간 간격 백홀 지연으로 인한 합계 속도 손실의 57~73%를 회복합니다.
  • 이 접근 방식은 예측 없는 기반 대비 합계 속도를 9.58~14.35% 개선하고 셀 가장자리 사용자의 Lag-1 공정성 손실의 최대 83%를 회복합니다.

백홀 지연을 시공간 예측 문제로 취급하는 것은 지연 제약이 있는 네트워크에서 견고한 셀 간 협력을 유지하기 위한 효과적인 방법을 제공합니다.