基于位置的机器学习传播损耗模型在ns-3中实现快速无线网络数字孪生
摘要：基于位置的机器学习传播损耗模型（P-MLPL）用于创建更快速和更精确的无线网络数字孪生在ns-3中。基于实验测试台收集的网络跟踪，P-MLPL模型估计了在发射器和接收器之间交换的数据包所遭受的传播损耗，考虑了绝对节点位置和流量方向。通过测试套件验证了P-MLPL模型。结果表明，P-MLPL模型可以预测传播损耗，中位误差为2.5 dB，相当于ns-3现有模型的0.5倍误差。此外，与测试台上测量的真实值相比，使用P-MLPL模型进行的ns-3模拟估计吞吐量的误差可达2.5 Mbit/s。
作者：Eduardo Nuno Almeida, Helder Fontes, Rui Campos, Manuel Ricardo
论文ID：2302.11539
分类：Networking and Internet Architecture
分类简称：cs.NI
提交时间：2023-07-07