Fugu-MT 論文翻訳(概要): Enhancing Sum-Rate Performance in Constrained Multicell Networks: A Low-Information Exchange Approach

論文の概要: Enhancing Sum-Rate Performance in Constrained Multicell Networks: A Low-Information Exchange Approach

arxiv url: http://arxiv.org/abs/2404.02477v1
Date: Wed, 3 Apr 2024 05:34:32 GMT
ステータス: 処理完了
システム内更新日: 2024-04-04 18:29:43.543015
Title: Enhancing Sum-Rate Performance in Constrained Multicell Networks: A Low-Information Exchange Approach
Title（参考訳）: 制約付きマルチセルネットワークにおけるSum-Rate性能の向上:低情報交換アプローチ
Authors: Youjin Kim, Jonggyu Jang, Hyun Jong Yang,
Abstract要約: 本稿では,基地局間の情報交換の必要性を劇的に低減する革新的な手法を提案する。提案手法は,現在のネットワークインフラの制約に対処するだけでなく,制約条件下での大幅な性能向上を示す。
参考スコア（独自算出の注目度）: 9.991446137941427
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Despite the extensive research on massive MIMO systems for 5G telecommunications and beyond, the reality is that many deployed base stations are equipped with a limited number of antennas rather than supporting massive MIMO configurations. Furthermore, while the cell-less network concept, which eliminates cell boundaries, is under investigation, practical deployments often grapple with significantly limited backhaul connection capacities between base stations. This letter explores techniques to maximize the sum-rate performance within the constraints of these more realistically equipped multicell networks. We propose an innovative approach that dramatically reduces the need for information exchange between base stations to a mere few bits, in stark contrast to conventional methods that require the exchange of hundreds of bits. Our proposed method not only addresses the limitations imposed by current network infrastructure but also showcases significantly improved performance under these constrained conditions.
Abstract（参考訳）: 5G通信等の大規模なMIMOシステムに関する広範な研究にもかかわらず、多くの基地局は大規模なMIMO構成をサポートするのではなく、限られた数のアンテナを備えている。さらに、細胞の境界をなくすセルレスネットワークの概念が検討されている一方で、実践的な展開はしばしば基地局間のバックホール接続能力が著しく制限されている。本稿では,より現実的に装備されたマルチセルネットワークの制約内での総和性能を最大化する手法について検討する。本稿では,数百ビットの交換を必要とする従来の方法とは対照的に,基地局間での情報交換の必要性を劇的に低減する革新的な手法を提案する。提案手法は,現在のネットワークインフラの制約に対処するだけでなく,これらの制約条件下での大幅な性能向上を示す。

関連論文リスト

Aerial Reliable Collaborative Communications for Terrestrial Mobile Users via Evolutionary Multi-Objective Deep Reinforcement Learning [59.660724802286865]
無人航空機(UAV)は、地上通信を改善するための航空基地局(BS)として登場した。この作業では、UAV対応仮想アンテナアレイによる協調ビームフォーミングを使用して、UAVから地上モバイルユーザへの伝送性能を向上させる。
論文参考訳（メタデータ） (2025-02-09T09:15:47Z)
Communication-Efficient Federated Learning by Quantized Variance Reduction for Heterogeneous Wireless Edge Networks [55.467288506826755]
フェデレーテッド・ラーニング(FL)は、無線エッジネットワークにおけるローカル・プライバシ・アウェア・コラボレーティブ・モデルトレーニングの有効なソリューションとして認識されている。既存の通信効率の高いFLアルゴリズムは、デバイス間の大きなばらつきを低減できない。本稿では,高度分散還元方式に依存する新しい通信効率FLアルゴリズムであるFedQVRを提案する。
論文参考訳（メタデータ） (2025-01-20T04:26:21Z)
Dynamic Routing for Integrated Satellite-Terrestrial Networks: A Constrained Multi-Agent Reinforcement Learning Approach [41.714453335170404]
地上局と衛星が共同でパケットを送信するためのパケットルーティングについて検討する。 CMADRと呼ばれる新しい制約付きマルチエージェント強化学習(MARL)動的ルーティングアルゴリズムを提案する。その結果、CMADRはパケット遅延を最小21%と15%削減し、一方、厳しいエネルギー消費とパケット損失率の制約を満たし、いくつかのベースラインアルゴリズムより優れていた。
論文参考訳（メタデータ） (2023-12-23T03:36:35Z)
Hierarchical Multi-Marginal Optimal Transport for Network Alignment [52.206006379563306]
マルチネットワークアライメントは,複数ネットワーク上での協調学習に必須の要件である。マルチネットワークアライメントのための階層型マルチマージ最適トランスポートフレームワークHOTを提案する。提案するHOTは,有効性とスケーラビリティの両面で,最先端の大幅な改善を実現している。
論文参考訳（メタデータ） (2023-10-06T02:35:35Z)
Constrained Deployment Optimization in Integrated Access and Backhaul Networks [0.0]
IABネットワークのカバレッジに対するデプロイメント最適化の効果について検討する。様々なミリ波(mmWave)ブロッキングを意識した配置最適化手法を提案する。その結果,デプロイメントの最適化に制限があるにもかかわらず,ネットワーク計画によってIABネットワークのカバレッジが大幅に向上することが示唆された。
論文参考訳（メタデータ） (2022-10-11T08:31:07Z)
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)
Optimal Power Allocation for Rate Splitting Communications with Deep Reinforcement Learning [61.91604046990993]
このレターでは、レート分割多重アクセスネットワークにおいて、ユーザの電力割り当てを最適化するための新しいフレームワークを紹介します。ネットワークでは、ユーザのために意図されたメッセージは、単一の共通部分と個々のプライベート部分に分割される。
論文参考訳（メタデータ） (2021-07-01T06:32:49Z)
Limited-Fronthaul Cell-Free Hybrid Beamforming with Distributed Deep Neural Network [0.0]
近接最適解は、アクセスポイント(AP)とネットワークコントローラ(NC)の間で大量の信号交換を必要とする。本稿では,AP と NC 間の通信オーバーヘッドをゼロあるいは限定して協調ハイブリッドビームフォーミングを行うことができる2つの非教師なしディープニューラルネットワーク(DNN)アーキテクチャを提案する。
論文参考訳（メタデータ） (2021-06-30T16:42:32Z)
Binarized Aggregated Network with Quantization: Flexible Deep Learning Deployment for CSI Feedback in Massive MIMO System [22.068682756598914]
アグリゲートチャネル再構築ネットワーク(ACRNet)と呼ばれる新しいネットワークは、フィードバックパフォーマンスを高めるように設計されています。異なる資源制約を満たすために,ネットワークを柔軟に適応させる弾性フィードバック方式を提案する。実験の結果、提案したACRNetは従来の最先端ネットワークの負荷よりも優れていた。
論文参考訳（メタデータ） (2021-05-01T22:50:25Z)
On Topology Optimization and Routing in Integrated Access and Backhaul Networks: A Genetic Algorithm-based Approach [70.85399600288737]
IABネットワークにおけるトポロジ最適化とルーティングの問題について検討する。我々は、IABノード配置と非IABバックホールリンク分布の両方に効率的な遺伝的アルゴリズムベースのスキームを開発する。メッシュベースのIABネットワークを実現する上での課題について論じる。
論文参考訳（メタデータ） (2021-02-14T21:52:05Z)
Multi-IRS-assisted Multi-Cell Uplink MIMO Communications under Imperfect CSI: A Deep Reinforcement Learning Approach [27.93504884774207]
アップリンクにおけるマルチIRS支援マルチセルネットワークのための新しい手法を開発した。我々は、IRSビームリフレクター、BSコンバインダ、UE送信パワーを共同最適化することを目的とした和率問題を定式化する。その結果,本手法はベースライン手法と比較して,平均データレートが大幅に向上していることが示唆された。
論文参考訳（メタデータ） (2020-11-02T17:33:23Z)

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。