Fugu-MT 論文翻訳(概要): IBAC: An Intelligent Dynamic Bandwidth Channel Access Avoiding Outside Warning Range Problem

論文の概要: IBAC: An Intelligent Dynamic Bandwidth Channel Access Avoiding Outside Warning Range Problem

arxiv url: http://arxiv.org/abs/2201.05727v1
Date: Sat, 15 Jan 2022 01:18:12 GMT
ステータス: 処理完了
システム内更新日: 2022-01-22 16:37:03.388183
Title: IBAC: An Intelligent Dynamic Bandwidth Channel Access Avoiding Outside Warning Range Problem
Title（参考訳）: IBAC: 警告範囲外問題を回避するインテリジェントな動的帯域幅チャネルアクセス
Authors: Raja Karmakar and Georges Kaddoum
Abstract要約: IEEE 802.11axは、プライマリチャネルとセカンダリチャネルの概念を使い、ダイナミックバンド幅チャネルアクセス(DBCA)機構に繋がる。チャネル結合中、不適切な帯域幅選択は衝突を引き起こす可能性がある。 OWRPを回避するために,DBCAのチャネル結合レベルを適応させるMAC層機構であるインテリジェントボンディング回避衝突(IBAC)を提案する。
参考スコア（独自算出の注目度）: 25.363965252402604
License: http://creativecommons.org/licenses/by/4.0/
Abstract: IEEE 802.11ax uses the concept of primary and secondary channels, leading to the Dynamic Bandwidth Channel Access (DBCA) mechanism. By applying DBCA, a wireless station can select a wider channel bandwidth, such as 40/80/160 MHz, by applying the channel bonding feature. However, during channel bonding, inappropriate bandwidth selection can cause collisions. Therefore, to avoid collisions, a well-developed media access control (MAC) protocol is crucial to effectively utilize the channel bonding mechanism. In this paper, we address a collision scenario, called Outside Warning Range Problem (OWRP), that may occur during DBCA when a wireless station interferes with another wireless station after channel bonding is performed. Therefore, we propose a MAC layer mechanism, Intelligent Bonding Avoiding Collision (IBAC), that adapts the channel bonding level in DBCA in order to avoid the OWRP. We first design a theoretical model based on Markov chains for DBCA while avoiding the OWRP. Based on this model, we design a Thompson sampling based Bayesian approach to select the best possible channel bonding level intelligently. We analyze the performance of the IBAC through simulations where it is observed that, comparing to other competing mechanisms, the proposed approach can enhance the network performance significantly while avoiding the OWRP.
Abstract（参考訳）: ieee 802.11axはプライマリチャネルとセカンダリチャネルの概念を使い、動的帯域幅チャネルアクセス(dbca)メカニズムを導く。 DBCAを適用することで、無線局は40/80/160MHzなどのより広いチャネル帯域を選択することができる。しかし、チャネル結合の間、不適切な帯域幅選択は衝突を引き起こす可能性がある。したがって、衝突を避けるために、チャネル結合機構を効果的に活用するために、メディアアクセス制御(MAC)プロトコルが重要である。本稿では,外部警告範囲問題(OWRP)と呼ばれる,無線局が他の無線局とチャンネルボンディングを行った後に干渉した場合に発生する衝突シナリオに対処する。そこで我々は, OWRPを回避するため, DBCA のチャネル結合レベルを適応させる MAC 層機構である Intelligent Bonding Avoiding Collision (IBAC) を提案する。我々はまず、OWRPを避けつつ、DBCAのマルコフ連鎖に基づく理論モデルを設計する。このモデルに基づいて,最適なチャネル結合レベルをインテリジェントに選択するために,トンプソンサンプリングに基づくベイズアプローチを設計する。シミュレーションによりIBACの性能を解析し、他の競合メカニズムと比較してOWRPを回避することなくネットワーク性能を大幅に向上させることができることを示した。

関連論文リスト

SINR-Aware Deep Reinforcement Learning for Distributed Dynamic Channel Allocation in Cognitive Interference Networks [10.514231683620517]
本稿では,複数の大規模ネットワークによるキャリヤ間干渉(ICI)とチャネル再利用を経験する実世界のシステムに焦点を当てる。 CARLTON(Channel Allocation RL To Overlapped Networks)と呼ばれる分散DCAのための新しいマルチエージェント強化学習フレームワークを提案する。本結果は,従来の最先端手法に比べて優れた効率性を示し,優れた性能とロバストな一般化を示した。
論文参考訳（メタデータ） (2024-02-17T20:03:02Z)
Asymmetric Diffusion Based Channel-Adaptive Secure Wireless Semantic Communications [5.539381022630274]
拡散モデルと深部強化学習(DRL)を利用したセキュアな意味コミュニケーションシステムDiffuSeCを提案する。送信側端の拡散モジュールと受信側端の非対称なdenoisingモジュールにより、DiffuSeCはセマンティックアタックによって追加された摂動を緩和する。セマンティックアタックによる不安定なチャネル条件下でのロバスト性をさらに向上するため,DRLに基づくチャネル適応拡散ステップ選択方式を開発した。
論文参考訳（メタデータ） (2023-10-30T11:00:47Z)
Mixture GAN For Modulation Classification Resiliency Against Adversarial Attacks [55.92475932732775]
本稿では,GANをベースとした新たな生成逆ネットワーク(Generative Adversarial Network, GAN)を提案する。 GANベースの目的は、DNNベースの分類器に入力する前に、敵の攻撃例を排除することである。シミュレーションの結果,DNNをベースとしたAMCの精度が約81%に向上する可能性が示唆された。
論文参考訳（メタデータ） (2022-05-29T22:30:32Z)
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)
Optimal channel selection with discrete QCQP [14.734454356396158]
離散QCQPによるチャネル選択を最適に行う新しいチャネル選択法を提案する。また,実推定時間を正確に推定する2次モデルを提案する。 CIFAR-10 と ImageNet を用いた実験により,提案手法は様々なネットワークアーキテクチャ上で,他の固定インピーダンスチャネルプルーニング法よりも優れた性能を示した。
論文参考訳（メタデータ） (2022-02-24T23:26:51Z)
Channel-wise Gated Res2Net: Towards Robust Detection of Synthetic Speech Attacks [67.7648985513978]
自動話者検証(ASV)における既存のアンチスプーフィングのアプローチは、未確認攻撃に対する一般化性に欠ける。本稿では,チャネルワイズゲーティング機構を実現するためにRes2Netを改良した新しいCG-Res2Netを提案する。
論文参考訳（メタデータ） (2021-07-19T12:27:40Z)
Harnessing Wireless Channels for Scalable and Privacy-Preserving Federated Learning [56.94644428312295]
無線接続は、フェデレートラーニング(FL)の実現に有効である Channel randomnessperturbs 各ワーカはモデル更新をインバージョンし、複数のワーカはバンド幅に大きな干渉を発生させる。 A-FADMMでは、すべてのワーカーがモデル更新をアナログ送信を介して単一のチャンネルを使用してパラメータサーバにアップロードする。これは通信帯域幅を節約するだけでなく、各ワーカーの正確なモデル更新軌跡を任意の盗聴者から隠蔽する。
論文参考訳（メタデータ） (2020-07-03T16:31:15Z)
Decentralized Learning for Channel Allocation in IoT Networks over Unlicensed Bandwidth as a Contextual Multi-player Multi-armed Bandit Game [134.88020946767404]
本稿では,プライマリセルネットワークにライセンスされたスペクトルに基づいて,アドホックなモノのインターネットネットワークにおける分散チャネル割り当て問題について検討する。本研究では,この問題をコンテキスト型マルチプレイヤー・マルチアームバンディットゲームにマッピングし,試行錯誤による純粋に分散化された3段階ポリシー学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-03-30T10:05:35Z)
Discrimination-aware Network Pruning for Deep Model Compression [79.44318503847136]
既存のプルーニング手法は、スクラッチからスパーシティ制約で訓練するか、事前訓練されたモデルと圧縮されたモデルの特徴マップ間の再構成誤差を最小限に抑えるかのいずれかである。本稿では,識別能力に実際に寄与するチャネルを選択するために,識別認識チャネルプルーニング (DCP) と呼ばれる簡便な手法を提案する。画像分類と顔認識の両方の実験により,本手法の有効性が示された。
論文参考訳（メタデータ） (2020-01-04T07:07:41Z)

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。