論文の概要: Learning Emergent Random Access Protocol for LEO Satellite Networks
- arxiv url: http://arxiv.org/abs/2112.01765v1
- Date: Fri, 3 Dec 2021 07:44:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-07 00:48:43.274492
- Title: Learning Emergent Random Access Protocol for LEO Satellite Networks
- Title(参考訳): LEO衛星ネットワークのための創発的ランダムアクセスプロトコルの学習
- Authors: Ju-Hyung Lee and Hyowoon Seo and Jihong Park and Mehdi Bennis and
Young-Chai Ko
- Abstract要約: 創発的ランダムアクセスチャネルプロトコル(eRACH)と呼ばれるLEO SATネットワークのための新しい許可なしランダムアクセスソリューションを提案する。
eRACHは、非定常ネットワーク環境との相互作用によって生じるモデルフリーなアプローチである。
RACHと比較して,提案するeRACHは平均ネットワークスループットが54.6%向上することを示す。
- 参考スコア(独自算出の注目度): 51.575090080749554
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A mega-constellation of low-altitude earth orbit (LEO) satellites (SATs) are
envisaged to provide a global coverage SAT network in beyond fifth-generation
(5G) cellular systems. LEO SAT networks exhibit extremely long link distances
of many users under time-varying SAT network topology. This makes existing
multiple access protocols, such as random access channel (RACH) based cellular
protocol designed for fixed terrestrial network topology, ill-suited. To
overcome this issue, in this paper, we propose a novel grant-free random access
solution for LEO SAT networks, dubbed emergent random access channel protocol
(eRACH). In stark contrast to existing model-based and standardized protocols,
eRACH is a model-free approach that emerges through interaction with the
non-stationary network environment, using multi-agent deep reinforcement
learning (MADRL). Furthermore, by exploiting known SAT orbiting patterns, eRACH
does not require central coordination or additional communication across users,
while training convergence is stabilized through the regular orbiting patterns.
Compared to RACH, we show from various simulations that our proposed eRACH
yields 54.6% higher average network throughput with around two times lower
average access delay while achieving 0.989 Jain's fairness index.
- Abstract(参考訳): 低高度地球軌道(LEO)衛星(SAT)のメガコンステレーションを構想し、第5世代(5G)セルシステムを超えてグローバルなSATネットワークを提供する。
LEO SATネットワークは、時間変化のSATネットワークトポロジーの下で、多くのユーザの非常に長いリンク距離を示す。
これにより、固定地上ネットワークトポロジ用に設計されたランダムアクセスチャネル(RACH)ベースのセルプロトコルなど、既存の複数のアクセスプロトコルが不適切である。
そこで本稿では,LEO SAT ネットワークに対して,創発的ランダムアクセスプロトコル (eRACH) と呼ばれる新しい許可不要なランダムアクセスソリューションを提案する。
既存のモデルベースおよび標準化プロトコルとは対照的に、eRACHは、マルチエージェントディープ強化学習(MADRL)を用いて、非定常ネットワーク環境との相互作用を通じて生じるモデルフリーアプローチである。
さらに、既知のSAT軌道パターンを活用することで、eRACHはユーザー間の集中的な調整や追加の通信を必要とせず、トレーニング収束は通常の軌道パターンを通して安定化される。
RACHと比較して,提案するeRACHは平均ネットワークスループットが54.6%向上し,平均アクセス遅延が約2倍低下し,0.989 Jainの公正度指数が得られた。
関連論文リスト
- A reconfigurable entanglement distribution network suitable for connecting multiple ground nodes with a satellite [0.0]
短距離衛星パスにおいて,地上ネットワークは多点間トポロジとして構成される。
この衛星が利用できないとき、衛星のアップリンクは1つの光スイッチで地上ノードに再送信される。
我々はパルス超絡み合った光子源を数値シミュレーションし、提案した量子鍵分布のネットワーク構成の性能について検討する。
論文 参考訳(メタデータ) (2024-06-20T01:16:23Z) - Continual Deep Reinforcement Learning for Decentralized Satellite Routing [34.67962234401005]
本稿では, 連続的深部強化学習(DRL)に基づく低地球軌道衛星コンステレーションにおける分散ルーティングの完全な解を提案する。
我々は、各衛星が独立した意思決定エージェントとして機能するマルチエージェントアプローチに従う。
我々のソリューションは混雑条件に順応し、ロードの少ない経路を利用する。
論文 参考訳(メタデータ) (2024-05-20T18:12:36Z) - Collaborative Ground-Space Communications via Evolutionary Multi-objective Deep Reinforcement Learning [113.48727062141764]
地中直接通信を実現するために,分散コラボレーティブビームフォーミング(DCB)に基づくアップリンク通信パラダイムを提案する。
DCBは、低軌道(LEO)衛星と効率的な直接接続を確立することができない端末を分散アンテナとして扱う。
本稿では,進化的多目的深層強化学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-04-11T03:13:02Z) - Satellite Federated Edge Learning: Architecture Design and Convergence Analysis [47.057886812985984]
本稿では,FEDMEGAという新しいFEELアルゴリズムを提案する。
軌道内モデルアグリゲーションのための衛星間リンク(ISL)を統合することにより、提案アルゴリズムは低データレートと断続的なGSLの使用を著しく削減する。
提案手法は,環全リデューサに基づく軌道内アグリゲーション機構と,グローバルモデルアグリゲーションのためのネットワークフローベースのトランスミッションスキームを組み合わせたものである。
論文 参考訳(メタデータ) (2024-04-02T11:59:58Z) - Interference-Aware Emergent Random Access Protocol for Downlink LEO
Satellite Networks [31.002905120294745]
本稿では,低地球軌道(LEO)衛星ネットワークをダウンリンクするための多重アクセスプロトコルを訓練するための多エージェント深部強化学習フレームワークを提案する。
既存の学習プロトコルであるeRACHの改良により,eRACHのための集中型および圧縮型創発型信号処理法であるeRACHは,衛星間干渉を軽減することができる。
論文 参考訳(メタデータ) (2024-02-04T05:27:59Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳(メタデータ) (2022-05-22T12:16:43Z) - Federated learning for LEO constellations via inter-HAP links [0.0]
ローアース・オービット(LEO)衛星星座は近年、急速に展開している。
このような応用に機械学習(ML)を適用するには、画像などの衛星データを地上局(GS)にダウンロードする従来の方法は望ましいものではない。
既存のFLソリューションは、過剰収束遅延や信頼できない無線チャネルといった大きな課題のために、そのようなLEOコンステレーションのシナリオには適さないことを示す。
論文 参考訳(メタデータ) (2022-05-15T08:22:52Z) - Integrating LEO Satellites and Multi-UAV Reinforcement Learning for
Hybrid FSO/RF Non-Terrestrial Networks [55.776497048509185]
低高度地球軌道衛星(SAT)と無人航空機(UAV)のメガコンステレーションは、第5世代(5G)を超える高速・長距離通信の実現を約束している。
我々は、ミリ波(mmWave)無線周波数(RF)または自由空間光(FSO)リンクを用いて、SATとUAVリレーを介して2つの長距離地上端末間のパケット転送の問題を検討する。
論文 参考訳(メタデータ) (2020-10-20T09:07:10Z) - Integrating LEO Satellite and UAV Relaying via Reinforcement Learning
for Non-Terrestrial Networks [51.05735925326235]
低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。
軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。
エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。
本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
論文 参考訳(メタデータ) (2020-05-26T05:39:27Z)
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。