論文の概要: Collaborative Channel Access and Transmission for NR Sidelink and Wi-Fi Coexistence over Unlicensed Spectrum

• arxiv url: http://arxiv.org/abs/2501.17878v2
• Date: Fri, 14 Feb 2025 07:09:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 18:05:12.694058
• Title: Collaborative Channel Access and Transmission for NR Sidelink and Wi-Fi Coexistence over Unlicensed Spectrum
• Title（参考訳）: 非許可スペクトル上のNRサイドリンクとWi-Fi共存のための協調チャネルアクセスと伝送
• Authors: Zhuangzhuang Yan, Xinyu Gu, Zhenyu Liu, Liyang Lu,
• Abstract要約: 5G-Advancedは、データレートを上げるために、ライセンスなしスペクトル(SL-U)上のサイドリンク通信を導入した。 ライセンスされていないスペクトルにおけるSL-Uの主な課題は、Wi-Fiのような既存のシステムと公平に共存することである。
• 参考スコア（独自算出の注目度）: 7.098402998630272
• License:
• Abstract: With the rapid development of various internet of things (IoT) applications, including industrial IoT (IIoT) and visual IoT (VIoT), the demand for direct device-to-device communication to support high data rates continues to grow. To address this demand, 5G-Advanced has introduced sidelink communication over the unlicensed spectrum (SL-U) to increase data rates. However, the primary challenge of SL-U in the unlicensed spectrum is ensuring fair coexistence with other incumbent systems, such as Wi-Fi. In this paper, we address the challenge by designing channel access mechanisms and power control strategies to mitigate interference and ensure fair coexistence. First, we propose a novel collaborative channel access (CCHA) mechanism that integrates channel access with resource allocation through collaborative interactions between base stations (BS) and SL-U users. This mechanism ensures fair coexistence with incumbent systems while improving resource utilization. Second, to further enhance the performance of the coexistence system, we develop a cooperative subgoal-based hierarchical deep reinforcement learning (C-GHDRL) algorithm framework. The framework enables SL-U users to make globally optimal decisions by leveraging cooperative operations between the BS and SL-U users, effectively overcoming the limitations of traditional optimization methods in solving joint optimization problems with nonlinear constraints. Finally, we mathematically model the joint channel access and power control problem and balance the trade-off between fairness and transmission rate in the coexistence system by defining a suitable reward function in the C-GHDRL algorithm. Simulation results demonstrate that the proposed scheme significantly enhances the performance of the coexistence system while ensuring fair coexistence between SL-U and Wi-Fi users.
• Abstract（参考訳）: 産業用IoT(IIoT)やビジュアルIoT(VIoT)など、モノのインターネット(IoT)アプリケーションの開発が急速に進んでいる中、高いデータレートをサポートするためのデバイス間直接通信の需要は増え続けている。 この要求に対処するため、5G-Advancedは、データレートを上げるために、ライセンスされていないスペクトル(SL-U)にサイドリンク通信を導入した。 しかし、無免許スペクトルにおけるSL-Uの主な課題は、Wi-Fiのような既存のシステムと公平に共存することである。 本稿では、干渉を軽減し、公平な共存を確保するために、チャネルアクセス機構と電力制御戦略を設計することによる課題に対処する。 まず,基地局(BS)とSL-Uユーザ間の協調的なインタラクションを通じて,チャネルアクセスとリソース割り当てを統合する新しい協調チャネルアクセス(CCHA)機構を提案する。 このメカニズムは、資源利用を改善しながら、既存のシステムと公平に共存することを保証する。 第2に,共存システムの性能をさらに向上するため,協調型階層型深層強化学習(C-GHDRL)アルゴリズムフレームワークを開発した。 このフレームワークにより,BS と SL-U ユーザ間の協調操作を活用することで,SL-U ユーザがグローバルに最適な決定を行えるようになり,非線形制約による共同最適化問題の解法において,従来の最適化手法の限界を効果的に克服することができる。 最後に,C-GHDRLアルゴリズムで適切な報酬関数を定義することにより,共同チャネルアクセスと電力制御問題を数学的にモデル化し,共存システムにおける公平性と伝達率のトレードオフをバランスさせる。 シミュレーションの結果,提案手法は,SL-UユーザとWi-Fiユーザとの公平な共存を確保しつつ,共存システムの性能を大幅に向上させることを示した。

関連論文リスト

• 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)
• Latency Optimization in LEO Satellite Communications with Hybrid Beam Pattern and Interference Control [20.19239663262141]
  低軌道(LEO)衛星通信システムは次世代用途に不可欠な高容量で低遅延のサービスを提供する。 LEO星座の密な構成は資源配分最適化と干渉管理の課題を提起する。 本稿では,マルチビームLEOシステムにおけるビームスケジューリングとリソース割り当てを最適化するための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） (2024-11-14T17:18:24Z)
• FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
  分散トレーニングは、システム設計と効率に関する重要な課題に直面します。 大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。 本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-16T16:13:19Z)
• Statistical QoS Provision in Business-Centric Networks [14.567380216501169]
  Business-Centric Network(BCN)は、アプリケーション、トランスポートパラメータ、チャネルの関係をキャプチャするクロスレイヤフレームワークである。 電力と帯域幅の割り当て、送信パラメータ、APネットワークトポロジを共同で検討することにより、重み付けされた資源効率を最適化する。 トレーニングを加速し、報酬を高めるために、新しいマルチスレッド体験共有機構を導入する。
  論文  参考訳（メタデータ） (2024-08-28T08:03:04Z)
• Multi-Agent Hybrid SAC for Joint SS-DSA in CRNs [17.162697767466085]
  機会論的スペクトルアクセスは、認知無線ネットワーク(CRN)におけるスペクトル利用の効率を高める可能性がある CRNでは、スペクトルセンシングとリソース割り当て(SSRA)の両方がシステムスループットの最大化に不可欠である。 我々は,ハイブリッドソフトアクター批評家MHSACのマルチエージェント実装を開発した。
  論文  参考訳（メタデータ） (2024-04-22T16:30:03Z)
• A Federated Reinforcement Learning Framework for Link Activation in Multi-link Wi-Fi Networks [3.093231349723552]
  マルチリンク操作(MLO)は、高い干渉とチャネル競合が生じ、性能と信頼性が低下する。 本稿では,複数の分散エージェント間でデータを交換することなくモデルを学習するための協調機械学習手法を提案する。 その結果,FRLをベースとした分散MLO-LA戦略により,スループットの公平性が向上し,信頼性が向上した。
  論文  参考訳（メタデータ） (2023-04-28T09:39:10Z)
• Predictive GAN-powered Multi-Objective Optimization for Hybrid Federated Split Learning [56.125720497163684]
  無線ネットワークにおけるハイブリッド・フェデレーション・スプリット・ラーニング・フレームワークを提案する。 ラベル共有のないモデル分割のための並列計算方式を設計し,提案方式が収束速度に与える影響を理論的に解析する。
  論文  参考訳（メタデータ） (2022-09-02T10:29:56Z)
• Federated Learning over Wireless IoT Networks with Optimized Communication and Resources [98.18365881575805]
  協調学習技術のパラダイムとしてのフェデレートラーニング(FL)は研究の注目を集めている。 無線システム上での高速応答および高精度FLスキームの検証が重要である。 提案する通信効率のよいフェデレーション学習フレームワークは,強い線形速度で収束することを示す。
  論文  参考訳（メタデータ） (2021-10-22T13:25:57Z)
• 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)
• Deep Multi-Task Learning for Cooperative NOMA: System Design and Principles [52.79089414630366]
  我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。 我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
  論文  参考訳（メタデータ） (2020-07-27T12:38:37Z)
• A Hybrid Model-based and Data-driven Approach to Spectrum Sharing in mmWave Cellular Networks [37.00906872828011]
  ミリ波帯における演算子間スペクトル共有は、スペクトル利用を著しく増加させる可能性がある。 従来のモデルに基づくスペクトル共有スキームは、演算子間調整機構について理想主義的な仮定を行う。 本稿では,ハイブリッドモデルとデータ駆動型マルチ演算スペクトル共有機構を提案する。
  論文  参考訳（メタデータ） (2020-03-19T07:34:56Z)

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。