論文の概要: OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications
- arxiv url: http://arxiv.org/abs/2406.04776v1
- Date: Fri, 7 Jun 2024 09:20:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-10 14:50:13.589611
- Title: OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications
- Title（参考訳）: OFDM-Standard互換SC-NOFS波形を用いた低レイテンシ・耐ジッタ型産業用IoT通信
- Authors: Tongyang Xu, Shuangyang Li, Jinhong Yuan,
- Abstract要約: この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。
irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。
我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
- 参考スコア（独自算出の注目度）: 53.398544571833135
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traditional communications focus on regular and orthogonal signal waveforms for simplified signal processing and improved spectral efficiency. In contrast, the next-generation communications would aim for irregular and non-orthogonal signal waveforms to introduce new capabilities. This work proposes a spectrally efficient irregular Sinc (irSinc) shaping technique, revisiting the traditional Sinc back to 1924, with the aim of enhancing performance in industrial Internet of things (IIoT). In time-critical IIoT applications, low-latency and time-jitter tolerance are two critical factors that significantly impact the performance and reliability. Recognizing the inevitability of latency and jitter in practice, this work aims to propose a waveform technique to mitigate these effects via reducing latency and enhancing the system robustness under time jitter effects. The utilization of irSinc yields a signal with increased spectral efficiency without sacrificing error performance. Integrating the irSinc in a two-stage framework, a single-carrier non-orthogonal frequency shaping (SC-NOFS) waveform is developed, showcasing perfect compatibility with 5G standards, enabling the direct integration of irSinc in existing industrial IoT setups. Through 5G standard signal configuration, our signal achieves faster data transmission within the same spectral bandwidth. Hardware experiments validate an 18% saving in timing resources, leading to either reduced latency or enhanced jitter tolerance.
- Abstract（参考訳）: 従来の通信では、信号処理の簡略化とスペクトル効率の向上のために、正規および直交の信号波形に重点を置いていた。
対照的に次世代通信は、新しい機能を導入するために不規則で直交しない信号波形を目標としていた。
本研究は,産業用モノのインターネット(IIoT)の性能向上を目的とした,スペクトル効率の良い不規則なSinc (irSinc) 成形技術を提案する。
時間クリティカルなIIoTアプリケーションでは、低レイテンシと時間ジッタ耐性が、パフォーマンスと信頼性に大きな影響を及ぼす重要な2つの要因である。
本研究は、実際に遅延とジッタの不可避性を認識し、遅延を低減し、時間ジッタ効果の下でシステムの堅牢性を高めることにより、これらの効果を緩和する波形技術を提案することを目的とする。
irSincの利用により、誤差性能を犠牲にすることなくスペクトル効率が向上した信号が得られる。
IRSincを2段階のフレームワークに統合し、SC-NOFS(Single-carrier non-orthogonal frequency shaping)波形を開発し、5G標準との完全な互換性を示し、既存の産業用IoTセットアップにirSincを直接統合できるようにする。
5Gの標準信号構成により,信号は同じ帯域内で高速なデータ伝送を実現する。
ハードウェア実験では、タイミングリソースの18%の節約が検証され、遅延の低減やジッタ耐性の強化につながる。
関連論文リスト
- STAF: Sinusoidal Trainable Activation Functions for Implicit Neural Representation [7.2888019138115245]
Inlicit Neural Representations (INR) は、連続的な信号をモデリングするための強力なフレームワークとして登場した。
ReLUベースのネットワークのスペクトルバイアスは、十分に確立された制限であり、ターゲット信号の微細な詳細を捕捉する能力を制限する。
Sinusoidal Trainable Function Activation (STAF)について紹介する。
STAFは本質的に周波数成分を変調し、自己適応型スペクトル学習を可能にする。
論文 参考訳（メタデータ） (2025-02-02T18:29:33Z) - Graph Neural Network Based Hybrid Beamforming Design in Wideband Terahertz MIMO-OFDM Systems [11.887537452826622]
6G無線技術は、高指向性ビームフォーミングによって実現される、より高周波数帯域を採用するために計画されている。
利用可能な広い帯域幅は、巨大な多重入力とMIMOシステムにおけるビームスクイントの影響も無視できない。
各アンテナに実時間遅延線(TTD)を追加するような従来のアプローチは、大量のアンテナアレイを必要とするためコストがかかる。
本稿では、ハイブリッドビームフォーミングを最適化するためのグラフニューラルネットワーク(GNN)の革新的な応用を通じて、OFDMシステムのマルチキャリア構造に特に適応した信号処理の代替手法を提案する。
論文 参考訳（メタデータ） (2025-01-27T18:45:54Z) - 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) - PCA-Featured Transformer for Jamming Detection in 5G UAV Networks [0.559239450391449]
ジャミング攻撃は無人航空機(UAV)無線通信システムに脅威をもたらす。
現在の検出アプローチは、高度な人工知能(AI)ジャミング技術に苦慮している。
本稿では,検出をジャムするトランスフォーマーに基づく新しいディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-19T16:13:04Z) - Dynamic Spectrum Access for Ambient Backscatter Communication-assisted D2D Systems with Quantum Reinforcement Learning [68.63990729719369]
無線スペクトルは乏しくなり、D2D通信のスペクトル効率は低い。
本稿では, 周囲RF信号の後方散乱を可能にするために, 環境後方散乱通信技術をD2Dデバイスに統合することを目的とする。
我々は、より少ないトレーニングパラメータでより高速な収束率を達成することができる新しい量子強化学習(RL)アルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-10-23T15:36:43Z) - Hierarchical Decoupling Capacitor Optimization for Power Distribution Network of 2.5D ICs with Co-Analysis of Frequency and Time Domains Based on Deep Reinforcement Learning [0.95046743487433]
我々は,チップ上の小型信号ノイズとSSNの両方に対処するために,深部強化学習を用いた新しい2相最適化フローを提案する。
我々の知る限り、これは小さな信号ノイズとSN伝搬の両方に同時に対処する最初の二重領域最適化戦略である。
論文 参考訳（メタデータ） (2024-07-02T06:12:55Z) - Fourier Space Losses for Efficient Perceptual Image Super-Resolution [131.50099891772598]
提案した損失関数の適用のみで,最近導入された効率的なジェネレータアーキテクチャの性能向上が可能であることを示す。
フーリエ空間における周波数に対する損失の直接的強調は知覚的画質を著しく向上させることを示す。
訓練されたジェネレータは、最先端の知覚的SR法である RankSRGAN と SRFlow よりも2.4倍、48倍高速である。
論文 参考訳（メタデータ） (2021-06-01T20:34:52Z) - Digital Beamforming Robust to Time-Varying Carrier Frequency Offset [21.18926642388997]
時変キャリア周波数オフセットから発生する信号の破損に頑健な新しいビームフォーミングアルゴリズムを提案する。
パイロットと干渉器信号に未知の時変周波数ドリフトが存在する場合に干渉をキャンセルできる重みベクトルを設計するための2つの原子ノルム最小化(anm)方式を提案する。
論文 参考訳（メタデータ） (2021-03-08T18:08:56Z) - EdgeBERT: Sentence-Level Energy Optimizations for Latency-Aware
Multi-Task NLP Inference [82.1584439276834]
BERTのようなトランスフォーマーベースの言語モデルでは、自然言語処理(NLP)タスクの精度が大幅に向上する。
We present EdgeBERT, a in-deepth algorithm- hardware co-design for latency-aware energy optimization for multi-task NLP。
論文 参考訳（メタデータ） (2020-11-28T19:21:47Z) - Interference Distribution Prediction for Link Adaptation in
Ultra-Reliable Low-Latency Communications [71.0558149440701]
リンク適応(LA)はURLLCを実現するボトルネックの一つと考えられている。
本稿では,ユーザの干渉信号と雑音比の予測に焦点をあて,LAを増強する。
干渉の時間相関を利用することがURLLCの重要な有効性であることを示す。
論文 参考訳（メタデータ） (2020-07-01T07:59:35Z)
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。