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

• Sparse Low-Ranked Self-Attention Transformer for Remaining Useful Lifetime Prediction of Optical Fiber Amplifiers [0.0]
  本稿では,新しい寿命予測手法としてSparse Low-ranked Self-Attention Transformer (SLAT)を提案する。 SLATはエンコーダ-デコーダアーキテクチャに基づいており、2つの並列動作エンコーダがセンサーと時間ステップの機能を抽出する。 注意行列と低ランクパラメトリゼーションにおけるスパーシティの実装は、過度な適合を減らし、一般化を増大させる。
  論文  参考訳（メタデータ） (2024-09-22T09:48:45Z)
• OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
  この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。 irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。 我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
  論文  参考訳（メタデータ） (2024-06-07T09:20:30Z)
• 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 [73.63024765499719]
  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)
• 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)

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。