Abstract
В статье рассматривается применение методов машинного обучения для оценки качества радиоканала в беспроводных системах связи. Актуальность задачи связана с тем, что параметры радиоканала существенно изменяются во времени и пространстве под действием многолучевости, интерференции, мобильности абонентов и изменения условий распространения сигнала. Традиционные методы оценки, основанные на фиксированных порогах и статистических моделях, не всегда обеспечивают достаточную точность и адаптивность в динамических условиях. Показано, что методы машинного обучения позволяют решать задачу оценки качества радиоканала как задачу регрессии или классификации на основе набора радиометрических и сетевых признаков, таких как RSSI, SNR, SINR, RSRP, RSRQ, CQI, BLER и PRR. Особое внимание уделено временной природе данных, что делает перспективным использование рекуррентных и LSTM-моделей. Предложена общая схема построения интеллектуальной системы оценки качества радиоканала, включающая сбор данных, предобработку, формирование признаков, обучение модели и последующую интеграцию в контур управления сетью. Сделан вывод о том, что машинное обучение позволяет повысить точность, устойчивость и прогностические возможности оценки качества радиоканала по сравнению с классическими подходами.