論文の概要: Mobility Management in Emerging Ultra-Dense Cellular Networks: A Survey, Outlook, and Future Research Directions

• arxiv url: http://arxiv.org/abs/2009.13922v1
• Date: Tue, 29 Sep 2020 10:42:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 06:45:16.500468
• Title: Mobility Management in Emerging Ultra-Dense Cellular Networks: A Survey, Outlook, and Future Research Directions
• Title（参考訳）: 超高密度セルネットワークにおけるモビリティマネジメント--調査,展望,今後の研究方向
• Authors: Syed Muhammad Asad Zaidi, Marvin Manalastas, Hasan Farooq and Ali Imran
• Abstract要約: 本稿は,新興超高密度モバイルネットワークにおけるモビリティ課題のパノラマを包括的に調査した初めての論文である。 ユーザ追跡や、狭いビームを持つmmWaveのセル発見といった課題は、新興モバイルネットワークの野心的な利益を実現する前に解決する必要がある。
• 参考スコア（独自算出の注目度）: 4.464588560099433
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The exponential rise in mobile traffic originating from mobile devices highlights the need for making mobility management in future networks even more efficient and seamless than ever before. Ultra-Dense Cellular Network vision consisting of cells of varying sizes with conventional and mmWave bands is being perceived as the panacea for the eminent capacity crunch. However, mobility challenges in an ultra-dense heterogeneous network with motley of high frequency and mmWave band cells will be unprecedented due to plurality of handover instances, and the resulting signaling overhead and data interruptions for miscellany of devices. Similarly, issues like user tracking and cell discovery for mmWave with narrow beams need to be addressed before the ambitious gains of emerging mobile networks can be realized. Mobility challenges are further highlighted when considering the 5G deliverables of multi-Gbps wireless connectivity, <1ms latency and support for devices moving at maximum speed of 500km/h, to name a few. Despite its significance, few mobility surveys exist with the majority focused on adhoc networks. This paper is the first to provide a comprehensive survey on the panorama of mobility challenges in the emerging ultra-dense mobile networks. We not only present a detailed tutorial on 5G mobility approaches and highlight key mobility risks of legacy networks, but also review key findings from recent studies and highlight the technical challenges and potential opportunities related to mobility from the perspective of emerging ultra-dense cellular networks.
• Abstract（参考訳）: モバイルデバイスからのモバイルトラフィックの急増は、将来のネットワークにおけるモビリティ管理をこれまで以上に効率的かつシームレスにすることの必要性を強調している。 従来とmmWave帯の異なる大きさの細胞からなる超高密度セルラーネットワークビジョンは、優れたキャパシティ・クランチのパナセアとして認識されている。 しかし、複数のハンドオーバインスタンスと結果として発生する信号のオーバーヘッドとデバイス異機種のデータ中断により、高周波数帯とmm波帯のモットーを持つ超高密度異種ネットワークにおけるモビリティの課題は前例のないものとなる。 同様に、ユーザ追跡や狭いビームを持つmmWaveの細胞発見といった問題は、新興モバイルネットワークの野心的な利益を実現する前に対処する必要がある。 マルチGbps無線接続の5G配信、<1msレイテンシ、最大速度500km/hで動くデバイスのサポートなどを考えると、モビリティの課題はさらに強調される。 その重要性にもかかわらず、アドホックネットワークに焦点を当てたモビリティ調査はほとんど存在しない。 本稿では,モバイルネットワークにおけるモビリティ課題のパノラマを包括的に調査した最初の事例である。 我々は,5Gモビリティアプローチに関する詳細なチュートリアルを提示するとともに,レガシネットワークの重要モビリティリスクを浮き彫りにするとともに,新しい超高密度セルネットワークの観点から,モビリティに関する技術的な課題と可能性を明らかにする。

関連論文リスト

• Attacks Against Mobility Prediction in 5G Networks [2.1374208474242815]
  これらの予測の精度を損なう可能性のあるモビリティ攻撃が存在することを示す。 1万人規模の半現実的なシナリオでは、携帯端末を乗っ取る能力を備えた敵が、予測精度を75%から40%に大幅に低下させることを示した。 防御機構は特定の領域における攻撃と移動タイプに大きく依存するが,基本的KMeansクラスタリングは正反対のUEを識別するのに有効であることを示す。
  論文  参考訳（メタデータ） (2024-02-29T16:24:19Z)
• Multi-Agent Context Learning Strategy for Interference-Aware Beam Allocation in mmWave Vehicular Communications [8.29063749138322]
  我々は,Multi-Agent Context Learning (MACOL) と呼ばれる新しい戦略を開発し,ネットワーク内の車両に対してmWaveビームを割り当てながら干渉を管理する。 提案手法は,近隣のビーム状態の知識を活用することで,機械学習エージェントが他の送信に干渉する可能性のある送信を識別・回避できることを実証する。
  論文  参考訳（メタデータ） (2024-01-04T15:43:55Z)
• Mitigating Attacks on Artificial Intelligence-based Spectrum Sensing for Cellular Network Signals [0.41998444721319217]
  本稿では,AIに基づくセマンティックセグメンテーションモデルを用いたスペクトルセンシング手法の脆弱性分析を行う。 緩和法は、AIベースのスペクトルセンシングモデルの敵攻撃に対する脆弱性を著しく低減できることを示している。
  論文  参考訳（メタデータ） (2022-09-27T11:14:47Z)
• 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)
• Transformer-Empowered 6G Intelligent Networks: From Massive MIMO Processing to Semantic Communication [71.21459460829409]
  トランスフォーマーとして知られる新しいディープラーニングアーキテクチャを導入し、その6Gネットワーク設計への影響について論じる。 具体的には、6GネットワークにおけるMIMO(Multiple-input multiple-output)システムと様々な意味コミュニケーション問題に対するトランスフォーマーベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2022-05-08T03:22:20Z)
• Intelligent Blockage Prediction and Proactive Handover for Seamless Connectivity in Vision-Aided 5G/6G UDNs [8.437758224218648]
  超高密度ネットワーク(UDN)におけるモビリティ管理の課題 本稿では,無線信号とオンロード監視システムを利用した新しいメカニズムを提案し,ブロックの可能性を事前に予測し,タイムリーなハンドオーバ(HO)を行う。 その結果,我々のBLK検出とPHOアルゴリズムは,ユーザ接続性および要求品質(QoE)の40%向上を実現していることがわかった。
  論文  参考訳（メタデータ） (2022-02-21T16:21:49Z)
• Transfer Learning for Future Wireless Networks: A Comprehensive Survey [49.746711269488515]
  本稿では,無線ネットワークにおける転送学習の応用に関する包括的調査を行う。 まず,形式的定義,分類,様々な種類のtl技術を含むtlの概要について述べる。 次に,無線ネットワークにおける新たな課題に対処するために,多様なTLアプローチを提案する。
  論文  参考訳（メタデータ） (2021-02-15T14:19:55Z)
• To Talk or to Work: Energy Efficient Federated Learning over Mobile Devices via the Weight Quantization and 5G Transmission Co-Design [49.95746344960136]
  Federated Learning (FL) は,モバイルデバイス間での大規模学習タスクのための新たなパラダイムである。 モバイルデバイス上でFLをサポートする効果的な無線ネットワークアーキテクチャを確立する方法は不明です。 我々は、異種5Gモバイル機器上でのエネルギー効率FLのための無線伝送および重み量子化協調設計を開発する。
  論文  参考訳（メタデータ） (2020-12-21T01:13:44Z)
• 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)
• Communication Efficient Federated Learning with Energy Awareness over Wireless Networks [51.645564534597625]
  フェデレートラーニング(FL)では、パラメータサーバとモバイルデバイスが無線リンク上でトレーニングパラメータを共有する。 我々は、勾配の符号のみを交換するSignSGDという考え方を採用する。 2つの最適化問題を定式化し、学習性能を最適化する。 FLでは非常に不均一な方法でモバイルデバイスに分散される可能性があることを考慮し,手話に基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-15T21:25:13Z)
• Machine Learning assisted Handover and Resource Management for Cellular Connected Drones [3.3274747298291207]
  セルラー接続型ドローンの通信は3次元モビリティと視線チャネル特性の影響を受けている。 ドローンから基地局への重大な干渉は、地上ユーザのアップリンク通信にとって大きな課題である。 異なるドローンの高度/速度におけるハンドオーバ決定のヒートマップが提示されている。
  論文  参考訳（メタデータ） (2020-01-22T10:04:26Z)

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。