論文の概要: Interference Distribution Prediction for Link Adaptation in
Ultra-Reliable Low-Latency Communications
- arxiv url: http://arxiv.org/abs/2007.00306v1
- Date: Wed, 1 Jul 2020 07:59:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 23:47:19.940129
- Title: Interference Distribution Prediction for Link Adaptation in
Ultra-Reliable Low-Latency Communications
- Title(参考訳): 超信頼性低レイテンシ通信におけるリンク適応の干渉分布予測
- Authors: Alessandro Brighente, Jafar Mohammadi, Paolo Baracca
- Abstract要約: リンク適応(LA)はURLLCを実現するボトルネックの一つと考えられている。
本稿では,ユーザの干渉信号と雑音比の予測に焦点をあて,LAを増強する。
干渉の時間相関を利用することがURLLCの重要な有効性であることを示す。
- 参考スコア(独自算出の注目度): 71.0558149440701
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The strict latency and reliability requirements of ultra-reliable low-latency
communications (URLLC) use cases are among the main drivers in fifth generation
(5G) network design. Link adaptation (LA) is considered to be one of the
bottlenecks to realize URLLC. In this paper, we focus on predicting the signal
to interference plus noise ratio at the user to enhance the LA. Motivated by
the fact that most of the URLLC use cases with most extreme latency and
reliability requirements are characterized by semi-deterministic traffic, we
propose to exploit the time correlation of the interference to compute useful
statistics needed to predict the interference power in the next transmission.
This prediction is exploited in the LA context to maximize the spectral
efficiency while guaranteeing reliability at an arbitrary level. Numerical
results are compared with state of the art interference prediction techniques
for LA. We show that exploiting time correlation of the interference is an
important enabler of URLLC.
- Abstract(参考訳): 超信頼性低遅延通信(URLLC)のユースケースの厳格なレイテンシと信頼性要件は、第5世代(5G)ネットワーク設計の主要な要因である。
リンク適応(LA)はURLLCを実現するボトルネックの一つと考えられている。
本稿では,laを増大させるために,ユーザの干渉に対する信号の予測と雑音比に着目した。
本研究は,URLLC使用事例のほとんどが半決定論的トラフィックによって特徴付けられているという事実から,次の送信における干渉電力の予測に要する有用な統計量を計算するために,干渉の時間相関を利用することを提案する。
この予測はLAの文脈で利用され、任意のレベルで信頼性を確保しながらスペクトル効率を最大化する。
LAにおける干渉予測技術の現状と数値計算結果を比較した。
干渉の時間相関の活用がurllcの重要な実現要因であることを示す。
関連論文リスト
- Power-Efficient Indoor Localization Using Adaptive Channel-aware
Ultra-wideband DL-TDOA [7.306334571814026]
本稿では,低消費電力チャネル対応動的周波数DL-TDOAレンジリングアルゴリズムの提案と実装を行う。
畳み込みニューラルネットワーク(CNN)、ダイナミックレンジング周波数制御モジュール、IMUセンサベースのレンジングフィルタに基づくNLOS確率予測器を備える。
論文 参考訳(メタデータ) (2024-02-16T09:04:04Z) - Spectrum Breathing: Protecting Over-the-Air Federated Learning Against
Interference [101.9031141868695]
モバイルネットワークは、近隣のセルやジャマーからの干渉によって損なわれる可能性がある。
本稿では,帯域幅拡大を伴わない干渉を抑制するために,カスケード段階のプルーニングとスペクトル拡散を行うスペクトルブリーチングを提案する。
呼吸深度によって制御された勾配プルーニングと干渉誘発誤差の間には,性能的トレードオフが認められた。
論文 参考訳(メタデータ) (2023-05-10T07:05:43Z) - Guaranteed Dynamic Scheduling of Ultra-Reliable Low-Latency Traffic via
Conformal Prediction [72.59079526765487]
アップリンクにおける超信頼性・低遅延トラフィック(URLLC)の動的スケジューリングは、既存のサービスの効率を大幅に向上させることができる。
主な課題は、URLLCパケット生成のプロセスにおける不確実性である。
本稿では,URLLC トラフィック予測器の品質に関わらず,信頼性と遅延を保証した新しい URLLC パケットスケジューラを提案する。
論文 参考訳(メタデータ) (2023-02-15T14:09:55Z) - Cross-network transferable neural models for WLAN interference
estimation [8.519313977400735]
本稿では,ロバストネスにおける干渉推定の原理的アプローチを採用する。
まず、実データを使って影響する要因を識別し、関連する一連の合成ワークロードを導出します。
当然のことながら、Graph Conalvolution Networks(GCNs)が全体的なパフォーマンスで最高のものになっている。
論文 参考訳(メタデータ) (2022-11-25T11:01:43Z) - Over-the-Air Federated Learning with Privacy Protection via Correlated
Additive Perturbations [57.20885629270732]
我々は、複数のユーザ/エージェントからエッジサーバへの勾配更新をOtA(Over-the-Air)で送信することで、無線フェデレーション学習のプライバシー面を考察する。
従来の摂動に基づく手法は、トレーニングの精度を犠牲にしてプライバシー保護を提供する。
本研究では,エッジサーバにおけるプライバシリークの最小化とモデル精度の低下を目標とする。
論文 参考訳(メタデータ) (2022-10-05T13:13:35Z) - Federated Learning over Noisy Channels: Convergence Analysis and Design
Examples [17.89437720094451]
Federated Learning (FL) は、アップリンク通信とダウンリンク通信の両方にエラーがある場合に機能します。
flはどの程度の通信ノイズを処理できるのか,学習性能に与える影響は何か?
この作業は、flパイプラインにアップリンクとダウンリンクの両方のノイズチャネルを明示的に組み込むことで、これらの事実上重要な質問に答えることに費やされている。
論文 参考訳(メタデータ) (2021-01-06T18:57:39Z) - Distributional Reinforcement Learning for mmWave Communications with
Intelligent Reflectors on a UAV [119.97450366894718]
無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。
ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
論文 参考訳(メタデータ) (2020-11-03T16:50:37Z) - Reinforcement Learning for Mitigating Intermittent Interference in
Terahertz Communication Networks [4.999585439793266]
多数のユーザによる非協調送信はテラヘルツネットワークに重大な干渉を引き起こす可能性がある。
適応型マルチスレッディング戦略を用いた強化学習に基づく新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2020-03-10T16:28:45Z) - Millimeter Wave Communications with an Intelligent Reflector:
Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。
チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。
最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
論文 参考訳(メタデータ) (2020-02-24T22:18:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。