論文の概要: User-aware WLAN Transmit Power Control in the Wild
- arxiv url: http://arxiv.org/abs/2302.10676v1
- Date: Tue, 21 Feb 2023 13:51:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-22 15:02:48.625146
- Title: User-aware WLAN Transmit Power Control in the Wild
- Title（参考訳）: 野生におけるユーザ対応 WLAN 送信電力制御
- Authors: Jonatan Krolikowski, Zied Ben Houidi, Dario Rossi
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 11.221798523439045
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In Wireless Local Area Networks (WLANs), Access point (AP) transmit power
influences (i) received signal quality for users and thus user throughput, (ii)
user association and thus load across APs and (iii) AP coverage ranges and thus
interference in the network. Despite decades of academic research, transmit
power levels are still, in practice, statically assigned to satisfy uniform
coverage objectives. Yet each network comes with its unique distribution of
users in space, calling for a power control that adapts to users' probabilities
of presence, for example, placing the areas with higher interference
probabilities where user density is the lowest. Although nice on paper, putting
this simple idea in practice comes with a number of challenges, with gains that
are difficult to estimate, if any at all. This paper is the first to address
these challenges and evaluate in a production network serving thousands of
daily users the benefits of a user-aware transmit power control system. Along
the way, we contribute a novel approach to reason about user densities of
presence from historical IEEE 802.11k data, as well as a new machine learning
approach to impute missing signal-strength measurements. Results of a thorough
experimental campaign show feasibility and quantify the gains: compared to
state-of-the-art solutions, the new system can increase the median signal
strength by 15dBm, while decreasing airtime interference at the same time. This
comes at an affordable cost of a 5dBm decrease in uplink signal due to lack of
terminal cooperation.
- Abstract（参考訳）: 無線地域ネットワーク(WLAN)では、アクセスポイント(AP)が電力を伝達する
(i) ユーザに対して信号品質を受け取り、それによってユーザのスループットが向上する。
(ii)ユーザアソシエーションによりapsをまたいでロードする
(iii)APカバレッジ範囲は、ネットワーク内での干渉である。
数十年にわたる学術研究にもかかわらず、送信電力レベルは、実際には、均一なカバレッジ目標を満たすために静的に割り当てられている。
しかし、各ネットワークは、空間におけるユーザーのユニークな分布を持ち、ユーザの存在確率に適合する電力制御、例えば、ユーザの密度が最も低い干渉確率の高い領域を配置することを求める。
論文ではよいが、このシンプルなアイデアを実際に導入するには、いくつかの課題が伴う。
本稿では,これらの課題に最初に対処し,何千人もの日常ユーザに対して,ユーザ対応の送電制御システムのメリットを実運用ネットワークで評価する。
その過程で,過去のieee 802.11kデータからユーザの存在密度を推定する新たなアプローチと,信号強度測定の欠如を誘発する新たな機械学習アプローチを提案する。
総合的な実験キャンペーンの結果は、最先端のソリューションと比較して、中央値信号強度を15dBm増加させながら、同時に空調干渉を減少させることができる。
これは、端末の協調性の欠如によりアップリンク信号が5dbm減少するコストが安価である。
関連論文リスト
- Fairness-Utilization Trade-off in Wireless Networks with Explainable Kolmogorov-Arnold Networks [14.51946231794179]
本稿では,ネットワーク利用とユーザ株式のバランスをとるために$alpha$-fairnessを最適化することを目的とした,無線ネットワークにおける電力割り当ての課題に焦点を当てる。
推論コストの低い機械学習モデルのクラスであるKAN(Kolmogorov-Arnold Networks)を利用した新しいアプローチを提案する。
データセットの生成と分散化のために2つのアルゴリズムが提案され、様々なフェアネス目標を達成するための柔軟なフレームワークを提供する。
論文 参考訳（メタデータ） (2024-11-04T09:40:47Z) - Resource and Mobility Management in Hybrid LiFi and WiFi Networks: A User-Centric Learning Approach [10.262324160476586]
ハイブリッド光ファイバー(LiFi)と無線通信ネットワーク(HLWNet)は、新興の屋内無線通信パラダイムである。
既存のロードバランシング(LB)メソッドは、主にネットワーク中心であり、ユーザー全員にソリューションを提供するために中央ユニットに依存している。
そこで本研究では,ユーザが異なるペースでソリューションを更新できるユーザ中心のLBについて検討する。
論文 参考訳（メタデータ） (2024-03-25T14:48:00Z) - 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) - 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) - WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。
特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
論文 参考訳（メタデータ） (2022-06-20T16:03:45Z) - GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action
Recognition using WiFi [52.530330427538885]
WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。
本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
論文 参考訳（メタデータ） (2022-05-24T10:20:16Z) - 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) - Adversarial Attacks on Deep Learning Based Power Allocation in a Massive
MIMO Network [62.77129284830945]
本稿では,大規模なマルチインプット・マルチアウトプット(MAMIMO)ネットワークのダウンリンクにおいて,逆攻撃がDLベースの電力割り当てを損なう可能性があることを示す。
我々はこれらの攻撃のパフォーマンスをベンチマークし、ニューラルネットワーク(NN)の入力に小さな摂動がある場合、ホワイトボックス攻撃は最大86%まで実現不可能な解決策をもたらすことを示した。
論文 参考訳（メタデータ） (2021-01-28T16:18:19Z) - Ultra-dense Low Data Rate (UDLD) Communication in the THz [1.4298580363875282]
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。
論文 参考訳（メタデータ） (2020-09-22T16:52:58Z) - Distributed Learning in Ad-Hoc Networks: A Multi-player Multi-armed
Bandit Framework [0.0]
次世代ネットワークは超高密度で、ピークレートは非常に高いが、ユーザ当たりのトラフィックは比較的低いと期待されている。
この問題を解決するために、他のネットワークとスペクトルを共有する認知アドホックネットワーク(CAHN)が構想されている。
本稿では,最先端のマルチアーム・マルチプレイヤー・バンディットに基づく分散学習アルゴリズムについて論じる。
論文 参考訳（メタデータ） (2020-03-06T18:11:47Z) - Wireless Power Control via Counterfactual Optimization of Graph Neural
Networks [124.89036526192268]
本稿では,無線ネットワークにおけるダウンリンク電力制御の問題点について考察する。
コンカレントトランスミッション間の干渉を軽減するために,ネットワークトポロジを活用してグラフニューラルネットワークアーキテクチャを構築する。
次に、教師なし原始対実対実最適化手法を用いて最適電力配分決定を学習する。
論文 参考訳（メタデータ） (2020-02-17T07:54:39Z)
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。