首页/论文/1301.6433

arXiv 1301.64332013-01-28cs.ITmath.COmath.IT

带边信息的变带宽直接组播时延最小化

Delay Minimization in Varying-Bandwidth Direct Multicast with Side Information

Son Hoang Dau, Zheng Dong, Chau Yuen, Terence H. Chan

备注：: 5 pages

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

我们研究的延迟最小化的直接组播通信方案中，一个基站希望发送一组原始数据包的客户端。每个客户端在其缓存中已经有原始数据包的子集，并请求所有剩余的数据包。基站通过向客户端广播信息来直接与客户端通信。假设工作站和不同客户端之间的带宽不同。我们提出了一种方法，以尽量减少基站满足所有客户端的请求所需的总延迟。

英文摘要：

We study the delay minimization in a direct multicast communication scheme where a base station wishes to transmit a set of original packets to a group of clients. Each of the clients already has in its cache a subset of the original packets, and requests for all the remaining packets. The base station communicates directly with the clients by broadcasting information to them. Assume that bandwidths vary between the station and different clients. We propose a method to minimize the total delay required for the base station to satisfy requests from all clients.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

中继辅助的无线多播失真最小化算法

Distortion Minimization for Relay Assisted Wireless Multicast

本文研究了无线多播的场景，其中单个发送器和一个中继器以解码转发（DF）的方式向接收器提供可扩展的源符号。以端到端均方误差失真（EED）为性能指标，首先推导了任意接收机的$L$分辨率可分级信源符号的EED表达式。最小化加权EED的优化问题，然后制定为所有分辨率层在发射机和中继的功率分配。由于非线性的配方，我们解决了制定的优化问题，使用广义规划算法获得良好的次优解。进行案例研究，以验证所提出的配方和解决方案的方法。仿真结果表明了所提出的策略在中继辅助无线网络中可扩展源组播的优势。

2017-09-03cs.ITmath.IT

无线多播系统中移动边缘计算和缓存的带宽增益

Bandwidth Gain from Mobile Edge Computing and Caching in Wireless Multicast Systems

在本文中，我们提出了一种新的移动边缘计算（MEC）模型，其中MEC服务器具有所有计算任务的输入和输出数据，并通过共享的无线链路与多个支持缓存和计算的移动设备进行通信。每个任务请求可以从本地输出高速缓存、具有输入高速缓存的本地计算、本地计算或MEC计算来服务，其中的每一个引起多播链路的唯一带宽要求。以最小化传输带宽为目标，在时延、缓存、能量和组播传输约束条件下，对移动设备的本地缓存和计算策略进行了设计和优化。联合策略优化问题被证明是NP难的。当输出数据的大小小于输入数据的大小时，我们将问题转化为拟阵约束下的单调次模函数的极小化问题，并通过Schrijver的强多项式算法得到最优解.另一方面，当输出数据的大小大于输入数据的大小时，利用样本逼近和凹凸过程，结合乘子交替方向法，提出了一种低复杂度的高性能算法，并证明了该算法收敛于一个稳定点.此外，我们从理论上揭示了多少带宽增益可以实现从计算和缓存资源在移动设备或对称情况下的组播传输。我们的研究结果表明，利用计算和缓存资源在移动设备以及组播传输可以提供显着的带宽节省。

2019-01-23cs.ITmath.IT

基于缓存感知的编码组播加速未来视频分发

Speeding up Future Video Distribution via Channel-Aware Caching-Aided Coded Multicast

未来的互联网使用将由消费的丰富多样的在线多媒体服务，从指数增长的多媒体能力的移动设备访问为主。因此，未来的互联网设计将面临挑战，以提供解决方案，可以提供带宽密集型，延迟敏感，点播视频为基础的服务，在日益拥挤，带宽有限的无线接入网络。无线网络运营商面临带宽压力的主要原因之一是，当无线用户或接入点很少经历相同的信道条件或同时访问相同的内容时，难以利用无线介质的多播性质。在本文中，我们提出并分析了一种新的无线视频传输模式的基础上结合使用的信道感知缓存和编码组播，允许同时服务多个缓存启用接收器，可能会要求不同的内容，并经历不同的信道条件。为此，我们重新制定的高速缓存辅助编码多播问题作为一个联合源信道编码问题，并设计一个可实现的方案，保留了高速缓存启用乘法吞吐量增益的无差错的情况下，通过保证每接收机的速率不受影响的接收器的存在与更差的信道条件。

2016-05-17cs.ITmath.IT

无线网络中多播缓存辅助点播流媒体的最优带宽分配

Optimal Bandwidth Allocation for Multicast-Cache-Aided on-Demand Streaming in Wireless Networks

我们认为一个混合的流媒体内容传输方案，结合缓存启用的正交多点组播（OMPMC）和按需单点单播（SPUC）传输异构网络。OMPMC服务通过整个网络向感兴趣的用户发送缓存的文件，并且将该服务不满意的用户分配给SPUC服务以单独地服务。SPUC从核心网络获取所请求的文件，并使用蜂窝波束成形传输将它们单播到UE。我们优化的交付方案，以最大限度地减少网络中的平均资源消耗。我们制定了一个约束优化问题的缓存放置和资源分配的OMPMC组件，以及多用户波束形成方案的SPUC组件。我们应用路径跟踪方法来找到最佳的流量卸载解决方案。该解决方案描绘了消耗的资源总量和服务中断概率之间的对比。仿真结果表明，该混合方案提供了一个更好的权衡网络范围内消耗的资源量和服务中断概率，从文献中的计划相比。

2022-05-18cs.ITeess.SPmath.IT

具有用户准入控制的绿色Cloud-RAN的平滑Lp最小化

Smoothed Lp-Minimization for Green Cloud-RAN with User Admission Control

云无线电接入网络（Cloud-RAN）最近被提出作为用于5G无线网络的一种成本效益和节能技术。通过将信号处理功能移动到单个基带单元（BBU）池，在Cloud-RAN中实现了集中式信号处理和资源分配，从而提供了通过有效的网络自适应和干扰管理来提高能量效率的承诺。在本文中，我们提出了一个整体的稀疏优化框架，设计绿色的Cloud-RAN，考虑到能量消耗的前传链路，组播服务，以及用户准入控制。具体来说，我们首先确定稀疏结构的解决方案的网络功率最小化和用户准入控制问题。然而，找到最佳的稀疏结构原来是NP难的，与l0范数为基础的目标函数和非凸二次QoS约束，由于多播波束成形的耦合挑战。与先前关于凸但非光滑稀疏性诱导方法的工作相反，例如，基于混合l1/l2范数松弛的组稀疏波束形成算法[1]，我们采用非凸但平滑的lp-最小化（0 < p <= 1）方法来提高多播设置中的稀疏性，从而使得基于优化最小化（MM）算法和半定松弛（SDR）技术的原理的高效算法设计成为可能。特别是，迭代reweighted-l2算法的开发，这将收敛到Karush-Kuhn-Tucker（KKT）点的放松平滑lp-最小化问题的SDR技术。我们说明了所提出的算法的有效性，在多播Cloud-RAN网络功率最小化和用户准入控制与广泛的模拟。

2015-12-15cs.ITmath.IT

无线多播网络中客户端缓存的VoD方案设计与优化

Design and Optimization of VoD schemes with Client Caching in Wireless Multicast Networks

随着多媒体业务的爆炸式增长，视频点播（VoD）业务的可扩展性变得越来越重要。通过利用客户端潜在的缓存能力，视频片段预缓存可以提高视频点播组播传输的性能。在本文中，我们解决了客户端缓存启用VoD计划在无线多播网络中的异步请求的性能限制。反应和主动系统进行了研究。具体来说，对于反应式系统，视频按需传输，我们提出了一个联合缓存分配和组播交付计划，以尽量减少平均带宽消耗下的零延迟约束。针对视频周期性广播的主动系统，提出了一种缓存带宽分配算法和分发机制的联合设计，以在总带宽约束下最小化平均等待时间.除了客户端完整地查看视频的完整访问模式之外，我们还进一步考虑了具有随机端点、固定大小间隔和下载需求的访问模式。阐述了不同访问模式对资源分配算法和传递机制的影响。仿真结果验证了分析结果的准确性，也提供了有用的见解，在设计视频点播网络与客户端缓存。

2017-08-10cs.ITcs.NImath.IT

更多相关论文收起更多论文

多小区多组多播系统中协调波束形成的分布式优化：功率最小化和SINR均衡

Distributed Optimization for Coordinated Beamforming in Multi-Cell Multigroup Multicast Systems: Power Minimization and SINR Balancing

研究了多小区多组多输入单输出系统中的协作多播波束形成问题。每个基站（BS）通过形成具有每组公共信息的单个波束来服务多组用户。我们提出了集中式和分布式波束形成算法，两个不同的优化目标。第一个目标是最小化所有BS的总传输功率，同时保证用户特定的最低服务质量目标。半定松弛（SDR）方法被用来近似的非凸组播问题作为一个半定规划（SDP），这是通过集中处理可解。随后，提出了两种替代的分布式方法。第一种方法通过原始分解将SDP转化为两级优化。在较高级别，针对固定波束成形器优化小区间干扰功率，而较低级别通过针对给定小区间干扰约束最小化BS特定发射功率来局部优化波束成形器。第二个分布式解决方案是通过乘法器的交替方向方法实现的，其中通过经由一致性约束强制相等将小区间干扰优化划分为局部和全局优化。我们进一步提出了一个集中式和一个简单的分布式波束成形设计的信号与干扰加噪声比（SINR）的平衡问题，其中最小的用户之间的SINR最大化与给定的每BS功率约束。这个问题通过二分法作为一系列SDP可行性问题来解决。仿真结果表明了所提出的协作波束形成算法优于传统的非协作传输方案，并说明了分布式方法的快速收敛性。

2017-10-02cs.ITmath.IT

会话间网络编码中的解码延迟最小化

Decoding Delay Minimization in Inter-Session Network Coding

会话内网络编码已被证明可以在可实现的吞吐量和延迟方面提供显着的增益，其中一个源向多个客户端多播数据。在本文中，我们考虑一个更一般的情况下，多个源传输数据的客户端集和研究会话间网络编码的好处，当网络节点有机会结合来自不同来源的数据包。特别是，我们提出了一个新的框架，在会话间网络编码系统的最佳速率分配。我们制定的问题，在客户端人口的平均解码延迟最小化，并解决它与基于梯度的随机算法。我们优化的会话间网络编码解决方案在不同的网络拓扑结构进行评估，并与基本的会话内网络编码解决方案进行比较。我们的研究结果表明，适当的编码决策和有效的速率分配的好处，降低解码延迟时，网络是由并发组播会话。

2012-11-05cs.ITcs.NImath.IT

多小区网络中的协作组播波束形成

Coordinated Multicast Beamforming in Multicell Networks

我们研究多小区网络中的物理层多播，每个基站，配备多个天线，发送一个共同的消息，使用一个单一的波束形成器在同一个小区中的多个用户。我们研究了两种协调波束形成设计：服务质量（QoS）波束形成和最大最小SINR（信号干扰噪声比）波束形成。QoS波束成形的目标是最小化总功耗，同时保证每个用户处的接收SINR高于预定阈值。我们提出了一个必要条件的优化问题是可行的。然后，基于分解理论，我们提出了一种新的分散算法来实现不同基站之间的有限信息共享的协调波束形成。该算法保证收敛，在大多数情况下，它收敛到最优解。最大-最小信干噪比（MMS）波束成形是在每个基站功率约束下最大化所有用户之间的最小接收信干噪比。我们证明了MMS问题和加权峰值功率最小化（WPPM）问题是逆问题。基于这种反演关系，我们提出了一个有效的算法来解决MMS问题的近似方式。仿真结果表明，所提出的多播波束形成算法比传统的多播方案的显着优势。

2012-10-22cs.ITmath.IT

立即可解码网络码的完成延迟最小化

Completion Delay Minimization for Instantly Decodable Network Codes

在本文中，我们考虑的问题，最小化的完成延迟即时解码网络编码（IDNC），在无线多播和广播的情况下。我们感兴趣的是这类网络编码，由于其众多的好处，如低解码延迟，低编码和解码的复杂性和简单的接收机要求。我们首先扩展的IDNC图，它代表了所有可行的IDNC编码的机会，有效地在多播和广播的情况下操作。然后，我们制定的最小完工延迟问题的IDNC作为一个随机最短路径（SSP）的问题。虽然使用SSP找到最优策略是棘手的，我们使用这个公式得出的理论指导方针的政策，可以有效地减少在IDNC的完成延迟。在此基础上，我们设计了一个最大权团选择算法，该算法可以有效地减少IDNC的完成延迟在多项式时间内。我们还设计了一个二次时间启发式团选择算法，它可以在实时应用中操作。仿真结果表明，与随机算法和最大速率算法相比，本文提出的算法有效地降低了IDNC的完成延迟，在广播场景下，几乎达到了所有网络编码的全局最优完成延迟性能。

2012-01-23cs.ITcs.NImath.IT

FEBER：基于反馈的802.11网络实时的组播删除恢复

FEBER: Feedback Based Erasure Recovery for Real-Time Multicast over 802.11 Networks

我们考虑的问题，广播数据流在无线网络上的多个接收器的可靠性和及时交付的保证。在我们的框架中，我们考虑需要在给定的时间间隔内交付的数据包，在此之后，数据包在应用层不再有用。我们设置的关键数据包的概念，并定期从接收器的反馈的基础上，我们提出了一个重传方案，将保证及时交付这些数据包，以及数据包，是创新的其他接收器。我们的解决方案在数据包传输率和带宽使用之间进行权衡，这与FEC和ARQ等现有方法形成鲜明对比，这些方法的重点是首先确保可靠性，不能保证及时传输数据。我们评估我们的建议在802.11无线网络测试床的性能。

2012-02-15cs.ITcs.MMcs.NI

基于梯度Quantization和带宽分配的联邦边缘学习训练时间最小化

Training Time Minimization for Federated Edge Learning with Optimized Gradient Quantization and Bandwidth Allocation

利用联合边缘学习（FEEL）训练机器学习模型通常是耗时的，这是由于边缘设备的计算能力受限以及边缘网络中的无线资源有限。在本文中，训练时间最小化问题的量化FEEL系统中，异构边缘设备发送量化梯度边缘服务器通过正交通道进行了研究。特别地，采用随机量化方案来压缩上传的梯度，这可以减少每轮通信的负担，但可能以增加通信轮数为代价。通过考虑通信时间、计算时间和通信轮数对训练时间进行建模。基于所提出的训练时间模型，通信轮数和每轮延迟之间的内在权衡的特点。具体来说，我们分析的最优性差距方面的量化FEEL的收敛行为。此外，提出了一种数据和模型驱动的联合拟合方法来获得精确的最优性间隙，基于该间隙获得了通信轮数和总训练时间的封闭表达式。在总带宽的约束下，训练时间最小化问题被表示为一个联合的量化水平和带宽分配优化问题。为此，提出了一种基于交替优化的算法，该算法通过逐次凸逼近交替求解量化优化子问题，通过对分搜索交替求解带宽分配子问题。在不同的学习任务和模型下，实验结果证明了我们的分析的有效性和所提出的优化算法的近最优性能。

2021-12-30cs.ITmath.IT

时延保证的有限反馈MU-MIMO系统代价最小的资源分配

Resource Allocation for Cost Minimization in Limited Feedback MU-MIMO Systems with Delay Guarantee

针对有限反馈的延迟敏感多用户MIMO广播系统，设计了一种资源分配框架。考虑到发射功率和反馈带宽的稀缺性和相互关联性，必须以联合和有效的方式优化这两种资源，同时满足延迟QoS要求。基于有效带宽理论，我们首先得到了一个封闭的形式表示的平均违反概率相对于一个给定的延迟要求作为发送功率和反馈信道的码本大小的函数。通过最小化总资源代价，我们推导出一种最优的联合资源分配方案，该方案可以根据系统的特性灵活地调整发射功率和反馈带宽。通过渐近分析，给出了几种简单的资源分配方案。最后，数值结果验证了理论分析的正确性.

2013-11-05cs.ITmath.IT

流媒体通信中吞吐量与平滑度的权衡

On Throughput-Smoothness Trade-offs in Streaming Communication

与传统的文件传输不同，只有总延迟问题，流应用程序对每个数据包施加延迟限制，并要求它们按顺序排列。为了实现快速的按序分组解码，我们必须在吞吐量上做出妥协。我们研究这种权衡吞吐量和平滑度在数据包解码。我们首先考虑一个点到点的流和分析如何权衡的影响，由频率的块明智的反馈，从而源接收完整的信道状态反馈在周期性的间隔。我们表明，频繁的反馈可以大大提高吞吐量平滑的权衡。然后，我们考虑的问题，多播一个数据包流的两个用户。对于点到点和多播流，我们提出了一个频谱的编码方案，跨越不同的吞吐量平滑度权衡。可以根据应用的延迟敏感性和带宽限制从这些方案中选择适当的编码方案。这项工作介绍了一种新的风格的分析，使用更新过程和马尔可夫链分析编码方案。

2015-11-25cs.ITmath.IT

具有反馈间歇的持久信道中即时可解码网络编码的时延最小化

Delay Minimization for Instantly Decodable Network Coding in Persistent Channels with Feedback Intermittence

本文研究了在具有反馈重复性的持续前向和反馈删除信道上，最小化广义即时可解码网络编码（G-IDNC）的组播解码延迟问题。在这样的环境中，发送方并不总是在每次传输之后从接收方接收确认。此外，前向和反馈信道都受到持续擦除的影响，这可以通过称为Gilbert-Elliott信道（GEC）的两个状态（好状态和坏状态）马尔可夫链来建模。由于这样的反馈缺陷，发送器不能确定所有接收器的后续即时可解码分组组合。鉴于这种苛刻的信道和反馈模型，我们首先推导出解码延迟增量的概率分布的表达式，然后采用这些表达式在制定最小解码问题，在这样的环境中作为一个最大的重量集团问题的G-IDNC图。我们还表明，在更简单的通道和反馈模型的问题配方是我们的广义配方的特殊情况。由于这个问题是NP-难的，我们设计了一个贪心算法来解决它，并比较它的盲目的方法在文献中提出。通过大量的仿真，我们的自适应算法被证明在所有情况下都优于盲方法，并在解码延迟方面取得了显着的改善，特别是当信道高度持续时

2014-07-08cs.ITmath.IT

太赫兹频段UAV通信的联合定位、带宽和功率优化

Joint Location, Bandwidth and Power Optimization for THz-enabled UAV Communications

研究了无人机辅助太赫兹无线通信系统中无人机的部署、功率分配和带宽分配问题。在所研究的模型中，一架无人机可以使用太赫兹频段为地面用户提供服务。然而，高度不确定的THz信道将给无人机定位、用户功率和带宽分配优化问题带来新的挑战。因此，有必要设计一种新的框架来部署无人机在太赫兹无线系统。该问题被形式化为优化问题，其目标是通过联合优化无人机的部署、每个用户的发射功率和带宽来最小化无人机与地面用户之间的上行链路和下行链路传输的总延迟。通信时延是应急通信的关键。针对这一非凸时延最小化问题，提出了一种交替算法，同时迭代求解位置优化子问题、功率控制子问题和带宽分配子问题。仿真结果表明，与仅优化无人机位置、带宽分配或发射功率控制的基准算法相比，该算法可将传输时延分别降低$59.3\%$、$49.8\%$和$75.5\%$。

2021-03-14cs.ITmath.IT

具有随机更新和时变时效性需求的无线网络中的同步年龄最小化

Age of Synchronization Minimization in Wireless Networks with Random Updates and Time-Varying Timeliness Requirement

本文研究随机更新无线网络中时变重要性下的同步年龄最小化问题，将优化问题松弛为约束马尔可夫决策过程并用线性规划求解，提出近稳态策略，仿真表明其性能优于不考虑权重变化的最大AoS策略。

2025-03-13cs.ITmath.IT

存储容量有限的两层HetNets中的Cache放置：Cache还是Buffer？

Cache Placement in Two-Tier HetNets with Limited Storage Capacity: Cache or Buffer?

在本文中，我们的目标是通过带宽分配和缓存放置在有限的存储容量，其中包括缓存容量和缓冲区容量的两层异构网络中的平均文件传输延迟最小化。对于固定带宽分配的平均时延最小化问题，虽然该问题是非凸的，但通过比较由求解Karush-Kuhn-Tucker条件得到的所有局部最优解，得到了封闭形式的最优解.为了联合优化带宽分配和缓存放置，最优带宽分配首先推导出，然后代入到原来的问题。给出了最优缓存策略的结构，表明缓存流行度高的文件比缓存大小大的文件更优。基于此最优结构，我们提出了一种低复杂度的迭代算法来获得次优解，其中每一步都得到闭型表达式。数值结果表明，我们的解决方案相比，传统的缓存策略，不考虑缓存和缓冲区的延迟权衡的优越性。

2019-07-17cs.ITmath.IT

用于语义分割延迟最小化的计算机视觉分割学习

Split Learning in Computer Vision for Semantic Segmentation Delay Minimization

Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）

本文提出一种基于分割学习的方法，通过联合优化带宽分配、DNN切分层选择和服务器资源分配，有效降低资源受限设备上语义分割的推理延迟。

2024-12-18cs.AIcs.CVcs.DC