5G NR PRACH Detection with Convolutional Neural Networks (CNN): Overcoming Cell Interference Challenges

要約

この論文では、畳み込みニューラル ネットワーク (CNN) を使用した 5G New Radio (5G-NR) ネットワークにおける干渉検出の新しいアプローチを紹介します。
5G ネットワークにおける干渉は、ユーザー機器の高密度展開とワイヤレス環境の複雑さの増加により、高品質のサービスに課題をもたらします。
当社の CNN ベースのモデルは、さまざまな干渉シナリオの中で物理ランダム アクセス チャネル (PRACH) シーケンスを検出するように設計されており、PRACH 信号の空間的および時間的特性を活用して検出精度と堅牢性を向上させます。
モデルをトレーニングおよび検証するために、制御された干渉条件下でシミュレートされた PRACH 信号の包括的なデータセットが生成されました。
実験結果は、当社の CNN ベースのアプローチが精度、精度、再現率、F1 スコアの点で従来の PRACH 検出方法よりも優れていることを示しています。
この研究は、5G ネットワークにおける干渉管理の進歩における AI/ML 技術の可能性を実証し、ネットワークのパフォーマンスと信頼性を最適化するための将来の研究と実用化の基盤を提供します。

要約(オリジナル)

In this paper, we present a novel approach to interference detection in 5G New Radio (5G-NR) networks using Convolutional Neural Networks (CNN). Interference in 5G networks challenges high-quality service due to dense user equipment deployment and increased wireless environment complexity. Our CNN-based model is designed to detect Physical Random Access Channel (PRACH) sequences amidst various interference scenarios, leveraging the spatial and temporal characteristics of PRACH signals to enhance detection accuracy and robustness. Comprehensive datasets of simulated PRACH signals under controlled interference conditions were generated to train and validate the model. Experimental results show that our CNN-based approach outperforms traditional PRACH detection methods in accuracy, precision, recall and F1-score. This study demonstrates the potential of AI/ML techniques in advancing interference management in 5G networks, providing a foundation for future research and practical applications in optimizing network performance and reliability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google