A Study of Network Based Mobility Management Schemes, 6LoWPAN Mobility, Open Issues and Proposed Solutions
无线传感器节点作为构建物联网的关键要素,在互联网上获取和传输信息,得到了广泛的应用。随着IPv6 over Low Power Wireless Personal Area Network(6LoWPAN)的引入,将这些受限设备连接到IPv6网络并传输IPv6数据包成为可能。传感器节点被部署/安装在许多对象上,其中一些是移动的(移动),包括移动小工具,物理对象(生命或非生命)等。这些移动对象需要足够的移动性管理方案来照顾数据传输。基于主机的移动性协议; MIPv 6及其扩展不适合这些资源受限的设备。在本文中,我们的重点是研究基于PMIPv 6的移动性管理和不同的情况下,它随着传感器设备。现有的研究已经在HO延迟方面做出了许多改进,但是很少关注信令成本和分组丢失,特别是在时间关键领域。该研究提供了基于网络的移动性管理方案、6LoWPAN移动性、与之相关的挑战以及应对这些挑战的解决方案的完整调查。
2014-08-12 cs.NI
Fog to cloud and network coded based architecture: Minimizing data download time for smart mobility
工业4.0应用促进了新的商业机会,但它们也提出了新的挑战性要求,例如低延迟通信和高度可靠的系统。它们能够利用新的无线技术(5G),但依赖于适当支持它们的架构也至关重要。因此,雾和云计算的结合正在成为一种潜在的解决方案。它可以根据每个应用程序的特定需求动态分配工作负载。我们的主要目标是提供一个高度可靠和动态的架构,最大限度地减少终端节点或用户(例如智能移动应用中的汽车)下载所需数据的时间。为了实现这一目标,我们已经开发了一个最佳的分配算法,决定,基于多个参数的建议系统模型,信息量,应该存储在,或检索,每个节点,以尽量减少数据下载时间。我们的方案利用网络编码(NC)作为数据分发的工具,作为所提出的解决方案的关键使能因素。我们比较了我们提出的方案与其他替代解决方案的性能,结果表明,有一个明显的增益方面的下载时间。
2020-01-22 cs.NI
Global mibility and handover management for heterogeneous network in VANET
车载自组织网络是一种新兴的技术.移动性管理是车载自组织网络支持各种智能交通系统应用的最具挑战性的研究课题之一。车载Ad hoc网络对于车辆间通信越来越重要,因为它们允许车辆之间的通信,而无需任何基础设施、配置工作,并且没有蜂窝网络的高成本。除了本地数据交换,车辆应用程序可以用于访问互联网服务。访问由位于路边站点的互联网网关提供。然而,互联网集成需要车载自组织网络的相应移动性支持。在本文中,我们将研究在车载自组网的网络移动性的方法,该模型将描述车辆从一个网络到另一个网络的运动。提出的切换方案减少了切换延迟,分组丢失信令开销。
2013-10-18 cs.NI
Device Caching for Network Offloading: Delay Minimization with Presence of User Mobility
对移动设备到设备(D2D)网络中的延迟最优缓存问题(DOCP)进行了建模。问题出现在使用设备缓存实现卸载的上下文中,并且卸载效果由预期网络负载率(NLR)表示,NLR是必须从网络下载的数据的百分比。与相关研究相比,本文考虑了在移动场景下NLR保证的时延最小化问题。一个下界的全局最优的推导,从而使性能基准的任何次优算法。对于问题求解,提出了一种有效的搜索算法(ESA)的基础上的界限。仿真结果验证了ESA算法的有效性。
2018-01-17 cs.NI
RACH Optimization with Decision Tree Based Supervised Learning for Conditional Handover in 5G Beamformed Systems
5G网络中引入的更高频率会导致信号快速退化,并对用户移动性构成挑战。在最近的研究中,5G网络已经采用了有条件切换过程来增强用户移动性鲁棒性。在本文中,有条件切换的移动性性能分析5G毫米波系统与波束成形。此外,提出了一种资源高效的随机接入过程,增加了切换过程中无竞争随机接入的机会,从而减少了信令和中断时间。此外,简单,但有效的决策树的监督学习的方法,提出了最小化的切换失败所造成的波束准备阶段的随机接入过程。结果揭示了无竞争随机接入和切换失败之间的权衡。它还表明,随机接入的最佳操作点是可以实现的条件切换与建议的学习算法。
2021-02-09 cs.NI
Predictive Lightweight MARL for Resilient Coverage in Sparse-Signaling Aerial Networks
National Chung Cheng University(国立中正大学);Feng Chia University(逢甲大学)
针对带宽受限无人机群的弹性覆盖问题,提出PL-MARL框架,引入运动感知推理引擎应对稀疏信号等问题,实现计算与通信权衡。仿真显示其在极端情况下能保持良好性能,验证了主动推理是鲁棒空中协调的有效方案。
2026-07-27 cs.MA cs.NI cs.SY
Predictive Green Wireless Access: Exploiting Mobility and Application Information
不断增长的移动数据流量和无线网络的密集部署使得节能无线电接入势在必行。由于网络被设计为满足峰值用户需求,因此在需求较低的时候可以以多种方式减少无线电接入能量。这包括在低负载期间将基站(BS)置于间歇性短睡眠方式,以及在需求较低的情况下自适应地将所选择的BS完全掉电延长的时间段。为了充分利用这种节能机制,网络应该知道用户的时间和空间的业务需求。为此,本文探讨了利用预测的用户位置和应用程序的信息作为一种手段,以节能的潜力。我们讨论了一个预测性的绿色无线接入(PreGWA)框架的发展,并确定其关键功能实体和它们之间的相互作用。为了证明潜在的节能,我们然后提供了一个案例研究存储的视频流,并说明如何利用预测可以最大限度地减少BS资源消耗在一个单一的细胞,并在整个网络的细胞。最后,为了强调PreGWA的实际潜力,我们提出了一种分布式启发式算法,可以显着降低资源消耗,而不需要大量的信息或信令开销。
2014-01-30 cs.NI
Mobility Management in Emerging Ultra-Dense Cellular Networks: A Survey, Outlook, and Future Research Directions
University of Oklahoma(俄克拉荷马大学)
源自移动设备的移动流量呈指数级增长,这凸显了在未来网络中实现比以往任何时候都更高效、更无缝的移动性管理的需求。超密集蜂窝网络的愿景包括不同大小的细胞与传统和毫米波波段被视为灵丹妙药的突出容量紧缩。然而,由于多个切换实例以及由此产生的设备混杂的信令开销和数据中断,在具有混杂的高频和毫米波频带小区的超密集异构网络中的移动性挑战将是前所未有的。同样,在实现新兴移动网络的雄心勃勃的收益之前,需要解决窄波束毫米波的用户跟踪和小区发现等问题。当考虑到5G可交付的多Gbps无线连接,<1 ms延迟和支持以500 km/h的最高速度移动的设备时,移动性挑战进一步突出。尽管它的重要性,很少有流动性调查存在,大多数集中在adhoc网络。本文是第一个提供一个全面的调查在新兴的超密集移动网络的移动性挑战的全景。我们不仅提供了关于5G移动方法的详细教程,并强调了传统网络的主要移动风险,还回顾了最近研究的主要结果,并从新兴超密集蜂窝网络的角度强调了与移动相关的技术挑战和潜在机遇。
2020-09-29 cs.AI cs.NI
Probabilistic Mobility Load Balancing for Multi-band 5G and Beyond Networks
针对多频段5G及超5G网络传统负载均衡方法忽略UE需求与频段资源导致性能不佳的问题,提出基于事件的概率式多目标随机优化负载均衡算法,在降低异频切换开销的同时均衡业务,提升了吞吐量并减少中断时长。
2024-01-24 cs.NI
Latency Evaluation of a Virtualized MME
网络虚拟化是发展未来移动网络的关键技术之一。然而,虚拟移动实体的性能可能不足以在吞吐量或服务时间方面递送未来网络所需的服务。此外,为了利用虚拟化功能,必须有一个标准来决定何时横向扩展实例的数量。在本文中,我们提出了一个LTE虚拟化移动管理实体队列模型,以评估其服务时间为一个给定的信令工作量。对该延迟的估计可以用于决定应该部署多少处理实例来提供目标服务。此外,我们为未来的移动应用提供了一个复合数据流量模型,并从理论上预测了它将产生的控制工作量。最后,我们评估虚拟化的移动性管理实体的整体延迟模拟,提供见解,为给定数量的用户选择虚拟实例的数量。
2015-12-09 cs.NI
StormShield: Fingerprint-Based Detection and Mitigation of RRC Signaling Storms in O-RAN 5G RANs
Northeastern University(东北大学);Sapienza University of Rome(罗马第一大学)
本文提出StormShield,一种基于指纹的RRC信号风暴检测与缓解技术,通过O-RAN近实时RAN智能控制器实现,有效阻止恶意UE耗尽gNB资源,检测准确率达97.6%。
2026-05-13 cs.CR cs.NI
Interworking Scheme Using Optimized SIP Mobility for MultiHomed Mobile Nodes in Wireless Heterogeneous Networks
如今,移动用户希望使用他们的多接口移动设备通过基于异构无线技术的网络附着点(PoA)来访问互联网。他们还希望在正在进行的会议期间无缝地改变活动方案,以提高服务质量和/或降低货币成本。如果处理得当,多宿主移动节点提供了一个潜在的解决方案,这个问题。因此,异构环境下多宿主移动节点的管理是一个重要的研究课题。在本文中,我们提出了对SIP移动性(预呼叫加呼叫中移动性)的改进,以支持异构无线网络中多宿主移动节点的无缝移动性。预呼叫移动性被扩展为关联用户标识符(即,SIP URI)和接口标识符(即,IP地址)。移动终端的多个地址由用户加权以在SIP服务器中创建优先级列表,从而保证移动节点的弹性可达性并避免通过无线链路的不必要信令,从而节省无线电资源。然后,三种变化的通话中移动性,称为硬,混合和软程序,也提出了。其主要目的是尽量减少,甚至避免,在移动节点的接口切换过程中的数据包丢失。所提出的解决方案已实现在一个无线异构测试床组成的802.11 WLAN加3.5蜂窝网络,这是完全可控和可配置的。该测试平台已被用来研究的性能和鲁棒性的三个拟议中的呼叫移动程序。
2009-08-05 cs.MM cs.NI
PreHO: Predictive Handover for LEO Satellite Networks
Institute of Space Internet, Fudan University(复旦大学空间互联网研究所)
PreHO通过预测性切换机制优化低轨卫星网络中的切换过程,降低信令开销和延迟,提升整体效率。
2026-03-09 cs.NI
Mobility-Aware Joint Service Placement and Routing in Space-Air-Ground Integrated Networks
人们渴望被连接,无论他们在哪里。最近,为机上乘客提供互联网接入已经受到了工业界和学术界的广泛关注。然而,为了保证低成本的乘客服务的可接受的服务质量(QoS),路由服务的路径以及部署服务的数据中心(DC)应该被仔细地确定。由于不同类型的空对地(A2 G)连接,即,卫星和直接空对地(DA 2G)链路。这些A2 G连接类型在成本、带宽和延迟方面有所不同。此外,由于航班的移动,重要的是要考虑相应地调整服务位置。在这项工作中,我们制定了两个混合线性规划(MILP)的联合服务布局和路由(JSPR)的问题:i)静态(S-JSPR)和ii)移动性感知~(MA-JSPR)在空间-空中-地面综合网络(SAGIN),目标是最小化的总成本。我们比较S-JSPR和MA-JSPR在一个现实的欧洲为基础的SAGIN使用综合评价。结果表明,MA-JSPR模型通过考虑未来航班位置和使用服务迁移控制,显著降低了长期总成本。此外,我们表明S-JSPR的好处,从一个低的时间复杂度,它实现了较低的端到端的延迟相比,MA-JSPR模型。
2019-05-04 cs.NI
Provisioning Low Latency, Resilient Mobile Edge Clouds for 5G
网络虚拟化和基于SDN的路由允许运营商灵活地配置其网络,以响应需求和意外的网络中断。然而,蜂窝网络,本质上,提出了一些独特的挑战,因为用户的移动性和控制/数据平面划分,这需要新的架构和供应范例。在本文中,我们通过设计可以提供数据平面以创建分布式移动边缘云(MEC)的算法来解决后一部分,该算法提供了降低延迟和提高弹性的机会(通过将网络功能放置在更分布式的数据中心位置),并考虑到由于用户在不同服务中心的服务区域之间的移动性而可能导致的服务中断。通过对主要运营商网络的拓扑和流量数据进行评估,我们发现,与静态的集中式网络相比,仔细的虚拟化配置可以显著节省网络成本,同时最大限度地减少由于移动性而导致的服务中断。我们证明,高达75%的冗余数据中心容量减少超过运营商的当前拓扑结构(同时实现相同水平的弹性)是可能的,通过分布负载在许多移动云计算中心。
2017-03-31 cs.NI
Eunomia: A Multicontroller Domain Partitioning Framework in Hierarchical Satellite Network
Fudan University(复旦大学)
Eunomia通过运动感知的FOV分割和混合控制平面,优化分层卫星网络中的领域划分,显著降低控制延迟和开销。
2025-12-10 cs.NI
WACA: A Hierarchical Weighted Clustering Algorithm optimized for Mobile Hybrid Networks
聚类技术在平面网络上创建分层网络结构,称为集群。在一个动态的环境中,在节点的移动性,以及在不断变化的设备参数方面的群集头选举过程中,必须重新调用根据合适的更新策略。集群重新组织会导致额外的消息交换和计算复杂性,因此必须优化集群执行。我们的调查集中在考虑稳定性标准,最大限度地减少簇头重选的问题。这些标准是基于拓扑特性以及设备参数。针对移动自组网中稳定簇的特点,提出了一种加权分簇算法,避免了不必要的簇头重选。所提出的本地化算法处理移动性,但不需要地理,速度或距离信息。
2007-06-07 cs.DC cs.NI
Resource Allocation in Mobility-Aware Federated Learning Networks: A Deep Reinforcement Learning Approach
Nanyang Technological University(南洋理工大学);Singapore University of Technology and Design(新加坡科技设计大学)
联邦学习允许移动设备,即,工作者使用他们的本地数据来协作地训练模型所有者所需的全局模型。因此,联邦学习解决了传统机器学习的隐私问题。然而,联邦学习面临着工作者的能量约束和高网络资源成本,这是由于可能需要多次全局模型传输来实现目标精度的事实。为了解决能量约束,可以使用向工作者再充电能量的功率信标。然而,模型所有者可能需要为能量再充电向功率信标支付能量成本。为了解决高网络资源成本,模型所有者可以使用WiFi信道(称为默认信道)用于全局模型传输。然而,由于默认信道质量的不稳定性,可能发生通信中断。为此,可以使用诸如LTE信道之类的特殊信道,但是这引起信道成本。因此,模型所有者的问题是决定向工作者再充电的能量的量,并选择用于将其全局模型传输到工作者的信道,以最大化全局模型传输的数量,同时最小化能量和信道成本。这对于模型所有者来说是具有挑战性的,因为工作者的通道、能量和移动状态是不确定的。因此,在本文中,我们建议使用深度Q网络(DQN),使模型所有者能够在没有任何先验网络知识的情况下找到关于能量和信道的最佳决策。仿真结果表明,与传统算法相比,该算法具有更好的性能。
2019-10-21 cs.LG cs.NI eess.SP
Performance Comparison Between VoLTE and non-VoLTE Voice Calls During Mobility in Commercial Deployment: A Drive Test-Based Analysis
本文基于 XCAL 路测对比移动场景下 VoLTE 与非 VoLTE 语音呼叫,量化其节能、DRX 与呼叫建立时延优势,为网络优化和 QoS 提升提供依据。
2023-07-23 cs.NI eess.AS
Artificial Intelligence Empowered Multiple Access for Ultra Reliable and Low Latency THz Wireless Networks
University of Piraeus(比雷埃夫斯大学);RapidMiner GmbH(RapidMiner有限公司);Nokia Standardization Department(诺基亚标准化部);Université Paris-Saclay(巴黎萨克雷大学);CNRS(法国国家科学研究中心);CentraleSupélec(巴黎中央理工-高等电力学院)
太赫兹(THz)无线网络有望推动超越第五代(B5G)时代的到来。然而,由于THz链路的方向性和视线需求,以及THz网络的超密集部署,产生了介质访问控制(MAC)层需要面对的许多挑战。更详细地说,通过结合能够在复杂和频繁变化的环境中提供“实时”解决方案的人工智能(AI)来重新思考用户关联和资源分配策略的必要性变得显而易见。此外,为了满足几种B5G应用的超可靠性和低延迟需求,需要新的移动性管理方法。基于此,本文提出了一种整体MAC层方法,该方法可以实现智能用户关联和资源分配,以及灵活和自适应的移动性管理,同时通过最小化阻塞来最大限度地提高系统的可靠性。更详细地说,一个快速和集中的联合用户关联,无线电资源分配,并通过一个新的元机器学习框架的阻塞避免记录,最大限度地提高太赫兹网络的性能,同时最小化的关联延迟约三个数量级。为了在接入点(AP)覆盖区域内支持移动性管理和阻塞避免,讨论了用于波束选择的深度强化学习(DRL)方法。最后,为了支持相邻AP覆盖区域之间的用户移动性,提出了一种基于人工智能辅助快速信道预测的主动切换机制。
2022-08-17 cs.AI cs.LG cs.NI