Разработка алгоритмов отслеживания луча на основе федеративного обучения для сотовых сетей связи 5G NRDevelopment of Federated Learning-Based Beam Tracking Algorithms for 5G NR Cellular Networks

Диссертация посвящена разработке адаптивных алгоритмов отслеживания луча для сетей 5G/6G на основе федеративного обучения. Актуальность работы связана с низкой эффективностью традиционных методов управления лучом в высокочастотных диапазонах из-за высокой динамики радиоканалов. Теоретическую основу составляют свёрточные рекуррентные нейронные сети (ConvLSTM) и парадигма федеративного обучения. Предложена модель прогнозирования состояния канала на основе ConvLSTM, учитывающая пространственно-временные корреляции данных. Разработан алгоритм кластеризованного федеративного обучения, объединяющий пользователей со схожими характеристиками канала без передачи исходных данных на сервер. Создан механизм кластеризации, повышающий точность и скорость сходимости. Проведён численный анализ в городских и сельских сценариях с использованием реальных картографических данных. Результаты показали, что предложенный алгоритм достигает точности до 96% в сельской среде, что на 13–18% выше, чем у централизованного и классического федеративного подходов.