A network paradigm for very high capacity mobile and fixed telecommunications ecosystem sustainable evolution
对于甚高容量网络(VHC),主要目标是提高终端用户体验的质量。这意味着符合应用程序要求的关键性能指标(KPI)。应用程序级别的关键性能指标是吞吐量、下载时间、往返时间和视频延迟。它们取决于服务器和最终用户设备之间的端到端连接。对于VHC网络,电信运营商必须提供所需的应用质量。此外,它们必须达到经济可持续性的目标。如今,电信运营商很少实现上述目标,主要是由于在不考虑应用的端到端KPI的情况下推动接入网络的比特率增加。本文的主要贡献涉及的部署框架,以解决性能和成本问题的VHC网络的定义。我们展示了三个行动,这是必要的重点。第一,通过视频压缩限制比特率。第二,通过人工智能算法控制丢包率,实现线路稳定。第三,减少等待时间(即,往返时间)与边缘-云计算。这些措施的协调和逐步应用可以让电信公司摆脱超宽带接入网络的“陷阱”,如本文所定义的。我们建议在带宽利用率的端到端优化工作。这导致最终用户体验到更好的性能。它还允许电信运营商创建新的商业模式,并以可持续的成本获得新的收入来源。为了给出一个明确的例子,我们描述了如何实现移动虚拟和增强现实,这是最具挑战性的未来服务之一。
2020-06-07 cs.NI
Fog Computing for Sustainable Smart Cities: A Survey
物联网(IoT)旨在将数十亿个智能物体连接到互联网上,这可以为智慧城市带来充满希望的未来。这些对象预计将生成大量数据并将数据发送到云进行进一步处理,特别是用于知识发现,以便可以采取适当的行动。然而,在现实中,感测由智能对象捕获的所有可能的数据项,然后将完整的捕获数据发送到云是不太有用的。此外,这种方法还将导致资源浪费(例如,网络、存储等)。已经提出了雾(边缘)计算范式,通过将使用数据分析的知识发现过程推向边缘来应对弱点。然而,边缘设备具有有限的计算能力。由于固有的优势和弱点,云计算和雾计算范式都不能单独解决这些挑战。因此,这两种模式需要共同努力,为智慧城市构建可持续的物联网基础设施。在本文中,我们回顾了现有的方法,已经提出了解决雾计算领域的挑战。具体来说,我们描述了雾计算的几个鼓舞人心的用例场景,确定了雾计算的十个关键特征和共同特征,并比较了该领域现有的30多个研究成果。基于我们的回顾,我们进一步确定了理想的雾计算平台应该支持的几个主要功能以及实现它们的一些开放挑战,从而为实现雾计算以建设可持续的智慧城市提供了未来的研究方向。
2017-03-21 cs.NI
Reconfigurable, Intelligent, and SustainableWireless Environments for 6G Smart Connectivity
关于即将到来的第六代(6 G)网络的各种愿景指向灵活的连接和计算技术,以支持未来的创新服务和相应的用例。6 G应该能够适应不断发展的异构应用、未来的法规以及基于用户、服务和位置的各种需求。构建5G之后的智能和能源可持续无线系统的一个关键要素是可重新配置的智能表面(RIS),它提供了无线传播环境的可编程控制和成形。利用这一技术潜力,在本文中,我们介绍了两个新概念:i)无线环境即服务,它利用一种新的基于RIS的网络模式来权衡各种通常相互冲突的连接目标; ii)基于RIS的连接实现的性能提升区域,代表了高度空间和时间集中的竞争服务提供区域。我们讨论了关键的技术使能因素和研究挑战与建议的网络模式,并强调了潜在的深远作用,RISs在最近的开放式无线电接入网络(O-RAN)架构。
2021-10-14 cs.NI
Collaborative Mobile Edge Computing in 5G Networks: New Paradigms, Scenarios, and Challenges
移动边缘计算(MEC)是在移动无线电接入网络(RAN)的边缘内提供计算、存储和联网资源的新兴范例。MEC服务器被部署在RAN内的通用计算平台上,并且允许在终端用户附近执行延迟敏感和上下文感知应用。这种方法可以扩展回程和核心网络,对于实现低延迟、高带宽和灵活的移动服务至关重要。本文设想了一个实时的、上下文感知的协作框架,该框架位于RAN的边缘,由MEC服务器和移动设备组成,并合并边缘的异构资源。具体来说,我们介绍和研究了三个强大的用例,从移动边缘编排,协作缓存和处理和多层干扰消除。我们展示了这些方法在促进向5G网络演进方面的巨大好处。最后,我们讨论了需要解决的关键技术挑战和开放研究问题,以便将MEC有效地集成到5G生态系统中。
2017-04-11 cs.NI
Achieve Sustainable Ultra-Dense Heterogeneous Networks for 5G
由于移动数据业务的需求呈指数级增长,从4G到5G的业务需求增长了1000倍,网络密集化被认为是蜂窝网络演进的关键机制,而超密集异构网络(UDHN)是满足5G网络爆炸性数据业务需求的一种有前景的技术。在UDHN中,通过密集部署小小区,基站与用户的距离越来越近,这将导致极高的频谱效率和能量效率。在本文中,我们首先提出了一种可能的UDHN网络结构,然后提出了一种广义的正交/非正交随机接入方案,以在降低信令开销的同时提高网络效率。仿真结果证明了该方法的有效性。最后,我们提出了UDHN的一些关键挑战。
2017-11-14 cs.NI
CSI: A Paradigm for Behavior-oriented Delivery Services in Mobile Human Networks
我们提出面向行为的服务作为一种新的模式,在移动人类网络的通信。我们的研究是出于在未来的移动社会的紧密的用户网络耦合。在这样的范例中,消息被发送到推断的行为简档,而不是显式ID。我们的文件提供了一个系统的框架,在提供这种服务。首先,从两个大型的无线网络中收集的痕迹的基础上构建用户的行为配置文件,并分析其时空稳定性。在移动用户之间发现的隐式关系可以用于在各种网络环境中提供用于消息传递和发现的服务。作为一个应用程序的例子,我们提供了一个详细的设计,这样的服务在挑战的机会网络架构,命名为CSI。我们提供了一个完全分布式的解决方案,使用行为剖面空间梯度和小世界结构。我们的分析表明,用户行为配置文件是惊人的稳定,即,用户的行为简档与其未来行为简档的相似性在两天内高于0.8,在一周内高于0.75,并且在五周内保持高于0.6。在不同时刻,用户对之间的相似性度量的相关系数在四天内高于0.7,在一周内高于0.62,并且在两周内保持高于0.5。利用用户行为的这种稳定性,CSI服务实现了非常接近延迟最优策略(94%以上)的交付率,并且开销最小(小于最优策略的84%)。我们相信,这种新的模式将作为移动社会中多种新服务的推动者,并可能适用于基于服务器的,异构的或无基础设施的无线环境。
2008-07-08 cs.NI
Dynamic Configuration of Sensors Using Mobile Sensor Hub in Internet of Things Paradigm
物联网(IoT)设想将数十亿个传感器连接到互联网。通过在传感器和云服务器之间部署智能底层计算设备(如手机),我们可以通过使用智能处理(如融合和过滤传感器数据)来减少数据通信,从而节省大量能源。这也是现实世界传感器部署的理想选择,因为将传感器直接连接到计算机或互联网是不切实际的。大多数领先的物联网中间件解决方案需要手动和劳动密集型任务才能完成,以便将手机连接到它们。在本文中,我们提出了一个移动应用程序称为移动传感器集线器(MoSHub)。它允许各种不同的传感器连接到手机,并将数据发送到云端,智能地减少网络通信。具体来说,我们探索了允许MoSHub自主连接到基于云的物联网中间件解决方案的技术。在我们的实验中,我们采用了全球传感器网络(GSN)中间件来实现和评估我们的方法。这种自动化配置减少了大量的手工劳动,否则需要由技术专家执行。我们还评估了可用于自动化配置过程的不同方法。
2013-02-05 cs.NI
Energy-Efficiency Architectural Enhancements for Sensing-Enabled Mobile Networks
针对6G支持感知移动网络中多源广域感知能耗可能过高的问题,本文提出架构增强以实现感知节能与能效策略的量化和应用。
2024-10-25 cs.NI
DE-LIoT: The Data-Energy Networking Paradigm for Sustainable Light-Based Internet of Things
本文提出DE-LIoT,一种基于VLC的新型WPANs概念,采用密集分布节点与中央控制器实现数据与能量网络同步运行,通过实际硬件验证了其在延长节点寿命和提升资源效率方面的有效性与可持续性。
2024-04-22 cs.ET cs.NI
Ambient Backscatter Networking: A Novel Paradigm to Assist Wireless Powered Communications
环境后向散射通信技术最近已经被引入,并且由于不需要外部电源或专用载波发射器而迅速成为自维持通信系统的有前途的选择。通过利用现有的RF信号资源,环境反向散射技术可以支持可持续和独立的通信,从而开辟了一套全新的应用程序,促进物联网(IoT)。在这篇文章中,我们研究了环境后向散射与无线供电通信网络(WPCN)的集成。我们首先提出了一个概述的后向散射通信系统的重点是新兴的环境后向散射技术。然后,我们提出了一种新的混合发射机的设计,结合环境后向散射和无线供电通信的优点。此外,在认知无线电环境中,我们引入了多址方案来协调混合数据传输。性能评估表明,混合发射机优于传统的设计。此外,我们讨论了一些开放的问题,有关的环境后向散射网络。
2017-09-27 cs.NI
Mobile Edge Computing, Fog et al.: A Survey and Analysis of Security Threats and Challenges
由于各种原因,云计算范例无法满足对于若干应用(例如,车载网络、增强现实)至关重要的某些要求(例如,低延迟和抖动、上下文感知、移动性支持)。为了满足这些要求,近年来出现了各种范例,例如雾计算、移动边缘计算和移动云计算。虽然这些边缘范式有几个共同的特点,但大多数现有的研究都是分割的;没有探索过协同作用。在安全领域尤其如此,大多数分析只关注一种边缘范式,而忽略了其他范式。本研究的主要目标是全面分析所有边缘范例中固有的安全威胁、挑战和机制,同时突出潜在的协同作用和协作场所。在我们的研究结果中,我们将表明,所有边缘范式都应该考虑其他范式的进步。
2016-11-14 cs.CR cs.NI
The Internet of People (IoP): A New Wave in Pervasive Mobile Computing
网络-物理融合,互联网在其边缘的快速扩展,以及人类用户与其个人移动设备之间更紧密的交互,推动了人类用户变得比以往任何时候都更加中心的互联网,他们的个人设备成为他们在网络世界中的代理,除了作为感知物理世界的基本工具之外。目前以基础设施为中心的互联网模式并不适合应付这种应用范围更广的新情况。这需要一个全新的互联网范式,我们称之为人的互联网(IoP),其中人类及其个人设备不仅仅被视为应用程序的最终用户,而是成为互联网的活跃元素。请注意,IoP不是当前Internet基础设施的替代品,但它利用传统Internet服务作为(可靠)原语,以实现全球范围内的端到端连接。在这篇富有远见的论文中,我们首先讨论了IoP范式的主要特征以及潜在的研究问题和挑战。然后,我们介绍了正在出现的网络和计算范例,这些范例都是预期IoP的
2022-05-27 cs.NI
Cost-Effective Task Offloading Scheduling for Hybrid Mobile Edge-Quantum Computing
针对混合移动边缘-量子计算中的可持续任务卸载调度问题,提出基于深度强化学习的Lyapunov方法,将时间耦合挑战转化为混合整数优化问题,并分别利用DQN和DDPG算法进行模式选择与部分任务卸载决策,实验证明该方法具有更高的性价比和可持续性。
2023-06-26 cs.NI cs.SY eess.SY
UAV Communications for Sustainable Federated Learning
Korean Southeast Center for the 4th Industrial Revolution Leader Education, Pusan National University(韩国釜山国立大学第四次工业革命领袖教育韩国东南中心);Laval University(拉瓦尔大学);College of Computer Science and Software Engineering, Shenzhen University(深圳大学计算机与软件学院);Kumoh National Institute of Technology(金乌工科大学);Department of Biomedical Convergence Engineering, Pusan National University(釜山国立大学生物医学融合工程系)
联邦学习(FL),由Google于2016年发明,已经成为一个热门的研究趋势。然而,在无线网络中启用FL必须克服移动用户有限的电池挑战。在这方面,我们建议应用无人机(UAV)授权的无线功率传输,以实现可持续的基于FL的无线网络。其目标是最大限度地提高无人机发射功率效率,通过传输时间和带宽分配,功率控制,和无人机的位置的联合优化。由于变量的耦合,直接求解公式化问题是具有挑战性的。因此,我们利用分解技术和连续凸逼近方法来开发一种有效的算法,即用于可持续FL的无人机(UAV-SFL)。最后,仿真结果表明,我们提出的UAV-SFL方法在为基于FL的无线网络提供可持续解决方案方面具有潜力,与基准相比,无人机发射功率分别降低了32.95%,63.18%和78.81%。
2021-03-20 cs.LG cs.NI
Amman City, Jordan: Toward a Sustainable City from the Ground Up
Faculty of IT, Mutah University(穆塔大学信息技术学院);Mutah University(穆塔大学)
本文以约旦安曼市为对象,探讨智慧城市范式在提升居民生活质量与城市服务方面的应用,并介绍安曼智慧城市建设的有用信息。
2024-07-24 cs.AI cs.CY cs.NI
Incentive Mechanisms for Mobile Crowd Sensing: Current States and Challenges of Work
移动人群感知(MCS)是一种新的模式,它利用无处不在的配备传感器的移动设备,如智能手机,音乐播放器和互联网边缘的车载传感器来收集数据。新的范式将推动物联网向三个方面的变革:第一,互联网边缘的终端设备从PC转变为手机。二是交互方式从虚拟空间延伸到真实的物理世界。第三,感知数据的转发方式正在经历从先验到机会的转变。为了更好地满足社会对监控监应用的需求,激励机制必不可少。在本文中,我们将首先概述三类MCS应用,然后提出一个新的架构MCS应用。基于该体系结构,我们讨论了各种研究挑战的激励机制设计MCS的应用程序,其次是潜在的未来工作的讨论。最后,我们提出了潜在的未来工作。
2014-09-30 cs.NI
MopEye: Opportunistic Monitoring of Per-app Mobile Network Performance
众包移动用户的网络性能已经成为了解和改善移动网络性能和用户体验质量的有效途径。然而,当前的测量方法仍然基于固定电话测量范例,其中测量应用程序测量到固定(测量或Web)服务器的路径。在这项工作中,我们引入了一个新的范式来衡量每个应用程序的移动网络性能。我们设计并实现了MopEye,这是一款Android应用程序,用于在有应用程序流量时测量每个应用程序的网络往返延迟。这种机会测量可以在没有用户干预的情况下自动进行。因此,它可以促进移动网络性能的大规模和长期众包。在实施MopEye的过程中,我们克服了一系列挑战,使持续延迟监控变得轻量级和准确。我们在Google Play上部署了MopEye,在十个月内进行了IRB批准的众包研究,该研究从2,351部智能手机上的6,266个Android应用程序中获得了超过500万个测量结果。该分析揭示了有关每个应用程序网络性能和移动DNS性能的一些新发现。
2017-06-06 cs.NI
Using Transition Learning to Enhance Mobile-Controlled Handoff In Decentralized Future Networks
传统上,在蜂窝部署中,资源管理和容量分配由网络侧控制。随着网络设计中增加了灵活性,机器学习技术在很大程度上遵循了这一范式,受益于网络核心处可用的更高计算能力和信息上下文。然而,当这些网络服务被分解或分散时,依赖于假定的网络或信息可用性水平的模型可能不再可靠地运行。本文提出了一个倒置的资源管理模式,其中客户端设备执行一个学习算法,并管理自己的移动性的情况下,网络及其相应的数据下没有被集中管理。
2022-01-31 cs.NI
MEC-enabled Energy Cooperation for Sustainable 5G Networks Exploiting the Location Service API
无线数据流量的大幅增长以及需要超低延迟的延迟敏感应用/服务的出现导致了称为多接入边缘计算(MEC)的新的移动网络(MN)设计范例。在这种情况下,基站(BS)被赋予计算能力,并且它们被密集地部署以增加网络覆盖并向移动用户提供高吞吐量。这些发展需要能源的自我可持续性,以尽量减少向大气中的碳排放和对电网的依赖。作为解决方案,我们提倡整合能量收集(EH)系统,例如,太阳能电池板或风力涡轮机(连同能量存储设备),进入未来的BS和边缘计算系统(即,MEC服务器)。然而,由于覆盖区域内的业务负载和收集的能量变化,存储的能量水平也将变化。为了补偿网络内的绿色能量不平衡,可以通过托管在MEC平台中的能量交易应用来实现能量协作(传输),并且能量分组通过电力分组网格(DC电力线和交换机)从源BS到能量不足BS。在本文中,我们使用基于李雅普诺夫漂移和惩罚优化定理(名为李雅普诺夫)的在线算法联合执行能源分配和能源路由,以实现能源合作,并利用MEC位置服务(LS)应用程序可编程接口(API)。数值结果表明,在正常太阳辐照度下,李雅普诺夫算法能够提供足够的能量,而不受控制参数的影响
2019-11-24 cs.NI eess.SP
Computational Analysis of .NET Remoting and Mobile agent in Distributed Environment
移动代理是一个程序,它不绑定到它开始执行的系统,而是在网络中的主机之间旅行,其代码和当前执行状态分布式应用的实现可以基于多种技术,例如普通套接字、远程过程调用(RPC)、远程方法调用(RMI)、Java消息服务(JMS)、.NET远程处理或Web服务。这些技术在复杂性、互操作性、标准化和易用性方面存在很大差异。移动Agent技术正在成为构建智能一代高度分布式系统的替代方案。在这项工作中,我们调查的性能方面的代理为基础的技术信息检索。我们提出了一个比较性能评估模型的移动代理与.Net远程的分析方法。在这项研究工作中,使用通信时间,代码大小(代理代码),数据大小,节点数量作为性能参数进行定量测量,以比较.Net远程和移动代理。结果表明,与.Net remoting范式相比,Mobile Agent范式具有更高的性能,计算速度更快;通过本地调用代替远程调用,降低了网络带宽,降低了调用成本。
2010-06-23 cs.NI
Data-driven Co-clustering Model of Internet Usage in Large Mobile Societies
未来移动网络的设计和仿真将以人类的兴趣和行为为中心。我们提出了一个移动网络的设计模式,用户的在线行为的现实模型驱动,基于数十亿的无线局域网记录的挖掘。我们介绍了一个系统的方法,为成千上万的移动用户在79个地点的Web活动的大规模多维cocollustering。我们发现令人惊讶的是,用户可以一致地使用10个集群与不相交的配置文件建模。来自多个位置的访问模式显示出不同的用户行为。这是第一次获得如此详细的移动互联网使用结果的研究。
2010-05-27 cs.NI
Intelligent Sensing Scheduling for Mobile Target Tracking Wireless Sensor Networks
边缘计算已经成为一种有前景的范例,以满足移动目标跟踪无线传感器网络(MTT-WSN)不断增长的计算需求。这种模式可以将时间敏感的任务卸载到汇聚节点,以提高计算效率。然而,这是很难执行动态和关键任务的MTT-WSN网络。此外,由于能量有限,网络无法确保连续跟踪。针对这些问题,提出了一种基于边缘智能(EI)技术的分层目标跟踪结构。该结构集成了移动节点和边缘服务器的计算资源,为实时目标跟踪提供高效的计算能力。在此基础上,提出了一个以系统执行延迟和轨迹预测精度为约束的能量优化模型。此外,我们提出了一个长期的动态资源分配算法,以获得最佳的资源分配解决方案的准确和连续的跟踪。仿真结果表明,我们的算法在系统能耗方面优于深度Q学习14.5%以上。与非合作方案相比,该方案在跟踪精度上也有明显的提高。
2021-08-04 cs.NI
A Sustainable Multi-modal Multi-layer Emotion-aware Service at the Edge
受终端设备计算能力、电池电量和网络带宽的限制,情感识别任务无法为用户带来良好的交互体验。用户无法忍受的延迟也严重限制了边缘环境中情感识别应用的普及,例如自动驾驶中的疲劳检测。边缘计算的发展为这一问题提供了更可持续的解决方案。提出了一种基于边缘计算的多模态多层情感感知服务(MULTI-EASE)架构,以用户的面部表情和语音作为情感识别的多模态数据源,以智能终端、边缘服务器和云端为多层执行环境。通过分析每个任务的平均时延和移动终端的平均能耗,提出了一个时延约束的能量最小化问题,并在多个层之间执行一个任务调度策略,利用基于边缘的方法来降低端到端的时延和能耗,进而改善用户的情感交互体验,实现边缘计算的节能。最后,通过一个原型系统对MULTI-EASE的架构进行了验证,实验结果表明MULTI-EASE是一个可持续的、高效的情感分析应用平台,同时也为MULTI-EASE架构下的动态任务调度提供了有价值的参考。
2019-06-05 cs.NI eess.SP
Enhancing Sustainable Urban Mobility Prediction with Telecom Data: A Spatio-Temporal Framework Approach
Chunghwa Telecom Laboratories(中華電信研究院);National Taiwan University(國立臺灣大學);Mobile Drive Technology(移動驅動技術公司)
本文提出TeltoMob数据集和两阶段时空图神经网络框架,利用电信数据预测道路有向流量,提升可持续城市交通管理。
2024-05-26 cs.AI cs.LG cs.NI
Group Handover Management in Mobile Femtocellular Network Deployment
移动毫微微蜂窝是毫微微蜂窝网络部署的新范例。它可以提高车内用户的服务质量。移动毫微微蜂窝基站的部署产生了大量的切换呼叫。此外,在移动毫微微蜂窝网络部署中发现了许多组切换场景。在本文中,我们专注于移动毫微微蜂窝网络部署中的组切换的资源管理。我们讨论了一些组切换的情况。提出了一种包含带宽自适应策略和动态带宽预留策略的资源管理方案。仿真结果表明,所提出的带宽管理方案在不降低带宽利用率的情况下,显著降低了切换呼叫掉线概率。
2018-10-05 cs.NI
Charging Wireless Sensor Networks with Mobile Charger and Infrastructure Pivot Cluster Heads
无线可充电传感器网络(WRSNs)由传感器节点与电池组成,在过去几年中一直处于传感和通信技术的最前沿。具有不同使命的传感器网络正在大规模推出,特别是在物联网商业市场。为了确保WRSNs的可持续运行,及时充电是非常重要的,因为即使是单个传感器节点的能量不足也可能导致严重的后果。随着大量的WRSNs的存在和存在,能源效率的充电计划是必不可少的工作场所,需要一个适当的运营成本水平。充电方案的选择取决于网络参数,如传感器节点的分布模式,充电器的移动性,和定向天线的可用性。在当前的充电技术中,当传感器节点需要非接触式充电时,具有小发射天线的射频(RF)远程充电正获得关注。当传感器节点分布在服务区域中时,RF充电特别有用。为了利用RF充电获得更高的充电效率,可以考虑用于移动充电器的最佳路径规划以及通过利用定向天线实现的波束成形技术。在这篇文章中,我们提出了无线传感器网络的射频充电从移动充电器充电,使用传感器节点的收获,和传感器节点之间的能量交易的角度进行了审查。引入了枢轴簇头的概念,提出了一种分两阶段的射频充电方案,即通过具有定向天线的移动充电器对枢轴簇头进行充电,通过具有定向天线的枢轴簇头对成员传感器节点进行充电。
2017-03-17 cs.NI
Charting 5G Energy Efficiency: Flexible Energy Modeling for Sustainable Networks
本文针对5G RAN能耗评估难题,提出一种覆盖移动终端和基站PHY的灵活能耗模型,重点分析基带计算复杂度,并通过Intel平台实现验证模型准确性,为优化5G网络能耗提供细粒度比较工具。
2025-03-12 cs.NI
Energy and environmental aspects of mobile communication systems
降低电信电力系统的能耗是电信技术的关键因素之一,既可以节省大量经济资源,又可以实现"可持续"发展行动。对大约100个移动电话基站的能耗进行了总计超过1000天的监测,以研究与基站本身的环境、电力和物流参数有关的能耗。因此,有可能调查移动通信系统在国家能源总框架中的作用,并为节省能源和改善环境影响绘制最佳干预领域,显示空调和传输设备所发挥的作用。最后,新的传输算法和使用可再生能源为基础的技术进行了测试。
2011-02-22 cs.CY cs.NI physics.soc-ph
Energy-Sustainable IoT Connectivity: Vision, Technological Enablers, Challenges, and Future Directions
本文重新审视能源可持续物联网,提出能源供给、能量传输和能源效率三大核心过程,综述相关技术、挑战与性能指标,为实现自可持续物联网系统提供方向。
2023-10-27 cs.NI eess.SP
Sustainable RF Wireless Energy Transfer for Massive IoT: enablers and challenges
本文针对海量物联网设备的可持续供电难题,提出可持续射频无线能量传输方案,梳理其建模方法、架构设计、技术支撑及应用场景,分析相关挑战与解决方向。
2023-11-09 cs.NI eess.SP
Interest-Aware Delivery for Mobile Social Networks: A TRACE-driven Approach
我们设想未来的移动网络将以人为中心,支持兴趣感知交付,其中兴趣可能基于行为,例如移动模式、位置或Web浏览(或用户简档),例如从属关系、属性或活动。未来网络的一个基本能力将是提供可扩展的组通信的能力。当前的通信范例,包括单播和多播,需要明确识别目的地节点(通过节点ID或组成员协议),而目录服务将逻辑的、特定于兴趣的查询转换为目的地ID,然后使用兴趣无关协议连接各方。这种范例的能力和可扩展性在未来的高度动态的移动社交网络的上下文中是相当有限的,其中在许多场景中期望支持基于兴趣的隐式成员资格。在这种情况下,兴趣组中的成员资格不是由用户明确表达的,而是由网络协议基于行为简档自主推断的。这消除了对第三方的依赖(通过目录查找),不需要显式表达兴趣(或人工干预),并最大限度地减少了对不感兴趣的用户的交付开销。虽然现有类型的社交网络可能会在移动网络的背景下发展,我们提供了一种新的通信模式,大大偏离现有的方法,并随后使质量不同的能力,为未来的服务在移动社会。此外,我们的服务和协议的设计理念开始分析的服务是部署的背景下,不同于大多数现有的无线网络设计通用协议的方法。
2018-12-16 cs.NI cs.SI
Koopman based trajectory model and computation offloading for high mobility paradigm in ISAC enabled IoT system
HCMC University of Technology(胡志明市技术大学);VNU-HCM(胡志明市国家大学)
本文针对ISAC使能的物联网高移动性场景,提出基于Koopman的轨迹模型和贪婪资源分配优化策略,以最小化多用户网络总能耗,实验显示每1000次迭代可提升33%。
2024-06-28 cs.LG cs.NI cs.SY
Deterministic End-to-End Transmission to Optimize the Network Efficiency and Quality of Service: A Paradigm Shift in 6G
本文针对端到端通信网络分层协调松散导致的传输不可靠及资源浪费问题,提出了面向6G及更远未来的确定性端到端传输设计方法与解决方案,以优化网络效率与服务质量并带来范式转变。
2023-07-02 cs.NI eess.SP
Convergence of Symbiotic Communications and Blockchain for Sustainable and Trustworthy 6G Wireless Networks
本文提出共生区块链网络(SBN),通过认知反向散射通信改造区块链共识并设计高能效分片方案,在6G共生通信中实现低功耗、低时延的可信服务交易。
2024-08-11 cs.NI eess.SP
Energy Efficient Deployment and Orchestration of Computing Resources at the Network Edge: a Survey on Algorithms, Trends and Open Challenges
移动网络正变得非常耗能,并且由于通信和计算需求的激增,预计这一趋势将继续下去。多路访问边缘计算(MEC)将带来能耗服务和应用,对生态可持续性产生不可忽视的影响。在本文中,我们对现有的使边缘计算网络更加绿色的方法进行了全面的回顾,包括但不限于可再生能源的开发和上下文感知。因此,我们从充满活力的可持续发展的角度提供了MEC的最新发展,解决了计算资源的初始部署,动态(重新)分配,以及分布式和联邦学习设计。在此过程中,我们强调了这些算法的能源方面,倡导需要符合可持续发展目标(SDG)和巴黎协定的能源可持续边缘计算系统。据我们所知,这是第一个对能量收集MEC的有效部署和管理提供系统文献综述的工作,特别关注计算任务的部署,供应和调度,包括分布式边缘智能的联邦学习,使边缘网络更环保,更可持续。在论文的最后,针对所有调查主题确定了开放的研究途径和挑战。
2022-09-28 cs.DC cs.NI
Trustworthy, Explainable, and Sustainable Decentralized Intelligence for 6G Networks
本文针对6G网络提出分布式智能的统一视角,强调去中心化、信任度、可解释性和可持续性需联合设计,以应对数据集中处理的瓶颈,并确保安全与效率。
2026-09-15 cs.AI cs.NI eess.SP
Towards Sustainable Deep Learning for Wireless Fingerprinting Localization
Jožef Stefan Institute(约瑟夫·斯特凡研究所);University of Ljubljana(卢布尔雅那大学)
基于位置的服务已经在终端用户中流行,现在不可避免地成为新的无线基础设施和新兴业务流程的一部分。越来越流行的深度学习(DL)人工智能方法在基于大量室内无线电测量数据的无线指纹定位中表现得非常好。然而,随着复杂性的增加,这些方法在训练和后续操作方面都变得计算非常密集和耗能。仅考虑移动用户,预计到2025年底将超过74亿,并假设服务于这些用户的网络平均每小时只需对每个用户执行一次定位,则用于计算的机器学习模型每年需要执行65*10^12次预测。再加上数百亿其他联网设备和应用程序严重依赖更频繁的位置更新,很明显,除非开发和使用更节能的模型,否则本地化将大大增加碳排放。这激发了我们对一种新的基于DL的室内定位架构的研究,与相关的最先进的方法相比,该架构更节能,同时仅显示出边际性能下降。详细的性能评估显示,与我们集团外部的最先进模型相比,所提出的模型只产生58%的碳足迹,同时保持98. 7%的整体性能。此外,我们详细介绍了一种方法来计算DL模型的复杂性,从而在其训练和操作过程中的CO2足迹。
2022-01-22 cs.LG cs.NI eess.SP
Adaptive Task Allocation for Mobile Edge Learning
Department of Elecrical and Computer Engineering, University of Idaho(爱达荷大学电气与计算机工程系)
本文的目的是建立一个新的优化范式,实现现实的分布式学习算法,性能保证,在无线边缘节点异构计算和通信能力。我们将把这种新的范例称为“移动边缘学习(MEL)”。本文研究了MEL的动态任务分配问题,目标是在保证异构通道上数据分布/聚集的总次数和异构节点上的局部计算迭代次数均受预定持续时间限制的情况下,最大限度地提高学习精度.该问题首先制定为一个二次约束整数线性问题。作为一个NP难问题,本文将其松弛为实变量上的非凸问题。因此,我们提出了两个解决方案的基础上推导出的最优解的解析上界,这个放松的问题,使用拉格朗日分析和KKT条件,并使用最短和改进从平等的批量分配,分别。这些建议的解决方案的优点是通过比较其性能的数值方法和平等的任务分配方法。
2019-01-30 cs.DC cs.LG cs.NI
Federated Learning for 6G: Paradigms, Taxonomy, Recent Advances and Insights
University of Quebec at Montreal(魁北克大学蒙特利尔分校);Virginia Tech(弗吉尼亚理工大学)
本文综述联邦学习在6G协议栈各层及无线运营中的应用价值,梳理范式、分类、热点与未来方向。
2023-12-07 cs.AI cs.GT cs.LG