論文の概要: Ultra-dense Low Data Rate (UDLD) Communication in the THz
- arxiv url: http://arxiv.org/abs/2009.10674v1
- Date: Tue, 22 Sep 2020 16:52:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-15 23:17:23.296241
- Title: Ultra-dense Low Data Rate (UDLD) Communication in the THz
- Title(参考訳): thzにおけるultra-dense low data rate(udld)通信
- Authors: Rohit Singh and Doug Sicker
- Abstract要約: 将来的には、IoT(Internet of Things)やワイヤレスセンサー、複数の5Gキラーアプリケーションが登場し、室内の部屋は、データレートの低いデバイスが1000ドル(約1万1000円)で満たされる可能性がある。
これらのデバイスの高レベルの密度化とモビリティはシステムを圧倒し、高い干渉、頻繁な停止、そして低いカバレッジをもたらす。
ネットワーク内の密度化と移動性は、追加のインフラやリソースを必要とせずに、限られたTHzデバイスの範囲を拡大するために利用できることを示す。
- 参考スコア(独自算出の注目度): 1.4298580363875282
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the future, with the advent of Internet of Things (IoT), wireless sensors,
and multiple 5G killer applications, an indoor room might be filled with
$1000$s of devices demanding low data rates. Such high-level densification and
mobility of these devices will overwhelm the system and result in higher
interference, frequent outages, and lower coverage. The THz band has a massive
amount of greenfield spectrum to cater to this dense-indoor deployment.
However, a limited coverage range of the THz will require networks to have more
infrastructure and depend on non-line-of-sight (NLOS) type communication. This
form of communication might not be profitable for network operators and can
even result in inefficient resource utilization for devices demanding low data
rates. Using distributed device-to-device (D2D) communication in the THz, we
can cater to these Ultra-dense Low Data Rate (UDLD) type applications. D2D in
THz can be challenging, but with opportunistic allocation and smart learning
algorithms, these challenges can be mitigated. We propose a 2-Layered
distributed D2D model, where devices use coordinated multi-agent reinforcement
learning (MARL) to maximize efficiency and user coverage for dense-indoor
deployment. We show that densification and mobility in a network can be used to
further the limited coverage range of THz devices, without the need for extra
infrastructure or resources.
- Abstract(参考訳): 将来的には、IoT(Internet of Things)やワイヤレスセンサー、複数の5Gキラーアプリケーションが登場し、室内の部屋はデータレートの低いデバイスが1000ドル(約1万1000円)で満たされる可能性がある。
これらのデバイスの高レベルの密度化とモビリティはシステムを圧倒し、高い干渉、頻繁な停止、そして低いカバレッジをもたらす。
THzバンドは、この密集した屋内展開に対応する大量のグリーンフィールドスペクトルを持つ。
しかし、THzの限られた範囲では、ネットワークがより多くのインフラを持つ必要があり、NLOS型通信に依存する。
このような通信形態は、ネットワークオペレーターにとって利益を得られず、低データレートのデバイスで非効率なリソース利用に繋がる可能性がある。
thzにおける分散デバイス間通信(d2d)を利用することで、これらの超dense low data rate (udld) タイプのアプリケーションに対応できる。
thzのd2dは難しい場合があるが、日和見的割り当てとスマート学習アルゴリズムによって、これらの課題を軽減できる。
デバイスが協調型マルチエージェント強化学習(MARL)を用いて高密度屋内展開における効率とユーザカバレッジを最大化する2層分散D2Dモデルを提案する。
ネットワーク内の密度化とモビリティは、インフラやリソースを余分に必要とせずに、thzデバイスのカバー範囲の限定化に使用できることを示す。
関連論文リスト
- Distributed Inference and Fine-tuning of Large Language Models Over The
Internet [91.00270820533272]
大規模言語モデル(LLM)は、多くのNLPタスクで有用であり、サイズが向上する。
これらのモデルはハイエンドのハードウェアを必要とするため、ほとんどの研究者にはアクセスできない。
本研究では,システムスループットの最大化のためにデバイスを自動的に割り当てるフォールトトレラント推論アルゴリズムとロードバランシングプロトコルを開発する。
論文 参考訳(メタデータ) (2023-12-13T18:52:49Z) - Deep Reinforcement Learning for Interference Management in UAV-based 3D
Networks: Potentials and Challenges [137.47736805685457]
チャネル情報を知らなくても干渉を効果的に軽減できることを示す。
干渉を利用することにより、提案された解決策は民間UAVの継続的な成長を可能にする。
論文 参考訳(メタデータ) (2023-05-11T18:06:46Z) - User-aware WLAN Transmit Power Control in the Wild [11.221798523439045]
本論文は,何千人もの日次ユーザを対象とした実運用ネットワークにおけるユーザ認識型送電制御システムの評価を初めて行ったものである。
最先端のソリューションと比較して、新しいシステムは、空調干渉を同時に減少させながら、中央の信号強度を15dBm向上させることができる。
これは、端末の協調が欠如しているため、5dBmのアップリンク信号の減少という安価なコストが伴う。
論文 参考訳(メタデータ) (2023-02-21T13:51:05Z) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳(メタデータ) (2022-08-17T03:00:24Z) - Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for
5G and Beyond [70.81551587109833]
非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。
主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。
本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
論文 参考訳(メタデータ) (2022-01-13T15:20:45Z) - Communication-Efficient Separable Neural Network for Distributed
Inference on Edge Devices [2.28438857884398]
本稿では,分散推論のためのニューラルネットワークを分離するために,モデル並列性を利用する新しい手法を提案する。
デバイスの適切な仕様とモデルの構成の下で、エッジクラスタ上の大規模ニューラルネットワークの推論が分散し、加速可能であることを示す実験を行った。
論文 参考訳(メタデータ) (2021-11-03T19:30:28Z) - Computational Intelligence and Deep Learning for Next-Generation
Edge-Enabled Industrial IoT [51.68933585002123]
エッジ対応産業用IoTネットワークにおける計算知能とディープラーニング(DL)の展開方法について検討する。
本稿では,新しいマルチエグジットベースフェデレーションエッジ学習(ME-FEEL)フレームワークを提案する。
特に、提案されたME-FEELは、非常に限られたリソースを持つ産業用IoTネットワークにおいて、最大32.7%の精度を達成することができる。
論文 参考訳(メタデータ) (2021-10-28T08:14:57Z) - Dynamic Distribution of Edge Intelligence at the Node Level for Internet
of Things [1.4026258162876617]
畳み込みニューラルネットワーク(CNN)アーキテクチャの動的展開は、IoTレベルデバイスのみを用いて提案されている。
CNNの分割とパイプライン化により、リソース制約されたデバイス間で計算負荷を水平に分散する。
その結果、CNNを2つと3つのリソース制約されたデバイスに共有するためにスループットを1.55倍から1.75倍に向上できることが示された。
論文 参考訳(メタデータ) (2021-07-13T03:26:36Z) - Scalable Power Control/Beamforming in Heterogeneous Wireless Networks
with Graph Neural Networks [6.631773993784724]
そこで本研究では,HIGNN(heterogeneous Interference Graphural Network)という,教師なし学習に基づく新しいフレームワークを提案する。
HIGNNは、小型ネットワークで訓練された後、堅牢なパフォーマンスで拡大するサイズのワイヤレスネットワークにスケーラブルです。
論文 参考訳(メタデータ) (2021-04-12T13:36:32Z) - A Comprehensive Overview on 5G-and-Beyond Networks with UAVs: From
Communications to Sensing and Intelligence [152.89360859658296]
5Gネットワークは、拡張モバイルブロードバンド(eMBB)、超信頼性低遅延通信(URLLC)、大規模機械型通信(mMTC)の3つの典型的な利用シナリオをサポートする必要がある。
一方、UAVはコスト効率のよい航空プラットフォームとして利用でき、地上の利用者に高い高度と3D空間での操作性を利用して通信サービスを強化することができる。
一方,UAVと地上ユーザの両方に同時に通信サービスを提供することは,ユビキタスな3D信号網と強力な地上ネットワーク干渉の必要性から,新たな課題を提起する。
論文 参考訳(メタデータ) (2020-10-19T08:56:04Z)
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。