雾无线接入网络（F-RAN）：原型、性能评估与未来挑战
1. F-RAN 原型的特色功能
F - RAN 原型的网络控制器基于用户设备（UE）和 F - AP 反馈的网络信息，实现了多项高级功能，包括网络级无线环境地图（REM）构建、小区故障诊断和性能自优化。
1.1 REM 构建
无线环境地图（REM）在无线网络的多种技术中具有重要应用前景，如认知无线电和自组织网络（SON）。传统构建 REM 的方法主要基于插值技术，如反距离加权插值和基于空间相关性的克里金插值，但这些方法需要大量 UE 报告其地理位置测量数据，实际中可能难以实现。
为了在参考信号接收功率（RSRP）测量数量有限的情况下提高 REM 构建的准确性，F - RAN 原型在网络控制器中实现了一个两步算法：
1.第一步：充分利用历史 RSRP 测量数据。根据历史 RSRP 值，将原型服务的整个区域划分为多个网格，然后基于仅含距离相关参数的大规模衰落模型，通过 K - 均值聚类将这些网格进一步分组为多个簇。聚类后，同一簇中的网格具有相同的传播特性。
2.第二步：每个簇中的 UE 报告当前测量数据，并使用期望最大化算法来估计和更新衰落模型中阴影衰落部分的参数。基于以上两步，通过计算最优估计值，可以确定未测量位置的 RSRP 值。
1.2 小区故障诊断
传统基于监督学习的故障诊断算法需要手动标记历史网络数据及其对应的运行状态，成本较高。F - RAN 原型的网络控制器采用了一种基于自组织映射（SOM）和层次聚类的无监督学习方法，只需标记较少的数据。 </
