論文の概要: ProSAS: An O-RAN Approach to Spectrum Sharing between NR and LTE
- arxiv url: http://arxiv.org/abs/2404.09110v1
- Date: Sun, 14 Apr 2024 01:02:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-16 15:27:43.976486
- Title: ProSAS: An O-RAN Approach to Spectrum Sharing between NR and LTE
- Title（参考訳）: ProSAS: NRとLTEのスペクトル共有のためのO-RANアプローチ
- Authors: Sneihil Gopal, David Griffith, Richard A. Rouil, Chunmei Liu,
- Abstract要約: 本稿では,データ駆動型O-RAN互換スペクトル共有ソリューションであるProactive Spectrum Adaptation Scheme (ProSAS)を紹介する。
ProSASは、インテント駆動スペクトル管理のためのインテリジェントな無線リソース需要予測と管理スキームである。
本稿では、実世界のLTEリソース利用データと、合成されたNRデータを用いて、このソリューションの有効性について述べる。
- 参考スコア（独自算出の注目度）: 1.906179410714637
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Open Radio Access Network (O-RAN), an industry-driven initiative, utilizes intelligent Radio Access Network (RAN) controllers and open interfaces to facilitate efficient spectrum sharing between LTE and NR RANs. In this paper, we introduce the Proactive Spectrum Adaptation Scheme (ProSAS), a data-driven, O-RAN-compatible spectrum sharing solution. ProSAS is an intelligent radio resource demand prediction and management scheme for intent-driven spectrum management that minimizes surplus or deficit experienced by both RANs. We illustrate the effectiveness of this solution using real-world LTE resource usage data and synthetically generated NR data. Lastly, we discuss a high-level O-RAN-compatible architecture of the proposed solution.
- Abstract（参考訳）: 業界主導のOpen Radio Access Network (O-RAN)は、インテリジェントなRadio Access Network(RAN)コントローラとオープンインターフェースを使用して、LTEとNR RAN間の効率的なスペクトル共有を容易にする。
本稿では,データ駆動型O-RAN互換スペクトル共有ソリューションであるProactive Spectrum Adaptation Scheme (ProSAS)を紹介する。
ProSASはインテント駆動型スペクトル管理のためのインテリジェントな無線リソース需要予測と管理スキームであり、RANが経験した余剰や赤字を最小限に抑える。
本稿では、実世界のLTEリソース利用データと、合成されたNRデータを用いて、このソリューションの有効性について述べる。
最後に,提案手法の高レベルなO-RAN互換アーキテクチャについて論じる。
関連論文リスト
- OpenRANet: Neuralized Spectrum Access by Joint Subcarrier and Power Allocation with Optimization-based Deep Learning [47.468242164786275]
次世代RANは、無線セルラーネットワークのためのAIネイティブインターフェースを備える。
本稿では,OpenRANetにおける共同サブキャリア電力配分の課題に対処する。
論文 参考訳（メタデータ） (2024-08-31T13:10:48Z) - AdapShare: An RL-Based Dynamic Spectrum Sharing Solution for O-RAN [1.906179410714637]
AdapShareは、インテントベースのスペクトル管理に強化学習を活用する、ORAN互換のソリューションである。
RLエージェントを採用することで、AdapShareはインテリジェントにネットワーク要求パターンを学び、リソースを割り当てる。
AdapShareは、長期ネットワーク需要統計に基づく準静的リソース割り当て方式より優れている。
論文 参考訳（メタデータ） (2024-08-29T18:10:36Z) - Fast and Accurate Cooperative Radio Map Estimation Enabled by GAN [63.90647197249949]
6G時代には、無線リソースのリアルタイムモニタリングと管理が、多様な無線アプリケーションをサポートするように求められている。
本稿では,GAN(Generative Adversarial Network)による協調的無線地図推定手法を提案する。
論文 参考訳（メタデータ） (2024-02-05T05:01:28Z) - Safe and Accelerated Deep Reinforcement Learning-based O-RAN Slicing: A
Hybrid Transfer Learning Approach [20.344810727033327]
我々は,DRLをベースとしたO-RANスライシングにおいて,安全かつ迅速な収束を実現するためのハイブリッドTL支援手法を提案し,設計する。
提案されたハイブリッドアプローチは、少なくとも7.7%と20.7%は、平均的な初期報酬値と収束シナリオの割合を改善している。
論文 参考訳（メタデータ） (2023-09-13T18:58:34Z) - Decentralized Learning over Wireless Networks: The Effect of Broadcast
with Random Access [56.91063444859008]
本稿では,D-SGDのコンバージェンス性能に及ぼす放送送信と確率的ランダムアクセスポリシーの影響について検討する。
この結果から,アクセス確率を最適化し,期待されるリンク数の最大化が,システム収束を加速するための極めて効果的な戦略であることが示唆された。
論文 参考訳（メタデータ） (2023-05-12T10:32:26Z) - Intelligent Load Balancing and Resource Allocation in O-RAN: A
Multi-Agent Multi-Armed Bandit Approach [4.834203844100679]
負荷分散と資源配分(mmLBRA)のためのマルチエージェントマルチアームバンディットを提案する。
また,Non-RT RIC (Non-RT RIC) と近RT RIC (Non-RT RIC) で独立に動作可能な mmLBRA-LB と mmLBRA-RA のサブスキームを提案する。
論文 参考訳（メタデータ） (2023-03-25T04:42:30Z) - Sparsity-Aware Intelligent Massive Random Access Control in Open RAN: A
Reinforcement Learning Based Approach [61.74489383629319]
新たなOpen Radio Access Network(O-RAN)におけるデバイスの大量ランダムアクセスは、アクセス制御と管理に大きな課題をもたらします。
閉ループアクセス制御の強化学習(RL)支援方式を提案する。
深部RL支援SAUDは、連続的かつ高次元の状態と行動空間を持つ複雑な環境を解決するために提案されている。
論文 参考訳（メタデータ） (2023-03-05T12:25:49Z) - Evolutionary Deep Reinforcement Learning for Dynamic Slice Management in
O-RAN [11.464582983164991]
新しいオープン無線アクセスネットワーク(O-RAN)は、フレキシブルな設計、分離された仮想およびプログラマブルなコンポーネント、インテリジェントクローズループ制御などの特徴を区別する。
O-RANスライシングは、状況の変化に直面したネットワーク品質保証(QoS)のための重要な戦略として検討されている。
本稿では,ネットワークスライスを知的に管理できる新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2022-08-30T17:00:53Z) - State-Augmented Learnable Algorithms for Resource Management in Wireless
Networks [124.89036526192268]
本稿では,無線ネットワークにおける資源管理問題を解決するためのステート拡張アルゴリズムを提案する。
提案アルゴリズムは, RRM決定を可能, ほぼ最適に行うことができることを示す。
論文 参考訳（メタデータ） (2022-07-05T18:02:54Z) - 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)
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。