Performance of Predictive Indoor mmWave Networks with Dynamic Blockers
针对工厂内动态遮挡导致的室内mmWave链路波动，提出利用DNN预测遮挡起止的5G-NR波束恢复流程，实现更高信号稳定性和最高82%的数据速率提升。
2021-04-09 cs.NI
Fast Initial Access with Deep Learning for Beam Prediction in 5G mmWave Networks
Virginia Tech（弗吉尼亚理工大学）；Intelligent Automation, Inc.（智能自动化公司）
本文介绍了DeepIA，这是一种深度学习解决方案，与传统IA相比，它可以在5G毫米波（mmWave）网络中实现更快，更准确的初始接入（IA）。通过在IA过程中利用波束子集，DeepIA消除了对穷举波束搜索的需要，从而减少了IA中的波束扫描时间。训练深度神经网络（DNN）以学习从利用减少数量的波束收集的接收信号强度（RSS）到接收器的最佳空间波束（在较大的波束集合中）的复杂映射。在测试时，DeepIA仅从少量波束中测量RSS，并运行DNN来预测IA的最佳波束。我们表明，DeepIA通过扫描更少的波束减少了IA时间，并且在视距（LoS）和非视距（NLoS）毫米波信道条件下的波束预测精度都明显优于传统IA。
2020-06-22 cs.LG cs.NI eess.SP
Towards a Heterogeneous Smart Electromagnetic Environment for Millimeter-Wave Communications: An Industrial Viewpoint
第五代（5G）及以后的通信系统为毫米波（mmWave）频段打开了大门，以利用超大的工作带宽并提供前所未有的网络容量。这些频带受到高传播损耗的影响，这严重限制了可实现的覆盖范围。解决这个问题的最简单方法是增加安装的毫米波基站（BS）的数量，同时增加整体网络成本，功耗和电磁场（EMF）水平。作为替代方向，在这里，我们建议用智能电磁（智能EM）实体的异构部署来补充毫米波BS的宏层-即IAB节点，智能中继器，可重新配置智能表面（RIS）和无源表面-这是明智的计划，以最大限度地减少总安装成本，同时优化网络频谱效率。初步的网络规划结果强调了所提出的方法的有效性。现有的技术和实现这一观点的关键研究方向进行了彻底讨论，从系统级设计到新材料的开发等问题。
2022-02-24 cs.NI
Coverage in Heterogeneous Downlink Millimeter Wave Cellular Networks
在本文中，我们提供了一个分析框架来分析异构下行链路毫米波蜂窝网络组成的K层随机定位的基站（BS），其中每层工作在毫米波频段。信号与干扰加噪声比（SINR）的覆盖概率推导出整个网络使用随机几何工具。毫米波通信的显着特点，如定向波束形成，并具有不同的路径损耗法律的视线（LOS）和非视线（NLOS）的链接被纳入覆盖分析，通过假设平均偏置接收功率关联和Nakagami-m衰落。通过使用毫米波网络的噪声受限假设，得到了仅需要计算一个数值积分的覆盖概率的更简单的表达式。此外，波束形成对准误差对覆盖概率分析的影响进行了研究，以了解在实际情况下的性能。下行链路速率覆盖概率的推导，以及得到更多的洞察网络的性能。此外，部署低功率较小的细胞和偏置因子的影响，对能量效率的影响进行了分析。最后，一个混合蜂窝网络在毫米波和微波频段的工作。
2017-04-04 cs.IT cs.NI math.IT
Reliability Enhancement for VR Delivery in Mobile-Edge Empowered Dual-Connectivity Sub-6 GHz and mmWave HetNets
由于虚拟现实盔装显示器（HMD）上的有限资源和低于6 GHz网络的传输速率瓶颈，当前虚拟现实（VR）传输的可靠性较低。在本文中，我们提出了一个双连接的子6 GHz和毫米波异构网络架构的移动边缘能力授权。该架构的核心思想是利用sub-6 GHz链路和mmWave链路的互补优势，进行边缘资源协同设计，提高VR传输的可靠性。从随机几何的角度，我们分析了VR传输的可靠性，并从理论上证明，尽管毫米波带宽很大，但低于6 GHz的链路可以用来提高VR传输的可靠性。基于我们的分析工作，我们制定了一个联合缓存和计算优化问题，目标是最大限度地提高VR交付的可靠性。通过分析HMD、sub-6 GHz和mmWave基站（BS）的耦合缓存和计算策略，进一步将问题转化为多选择多维背包问题。提出了最佳优先分枝定界算法和差分凸规划算法，分别求出了最优解和次优解。数值结果表明，使用所提出的算法的性能改善，并揭示，缓存更多的单眼视频在低于6 GHz的基站和更多的立体视频在毫米波基站可以有效地提高VR交付的可靠性。
2021-05-12 cs.NI
Mobility Management for Heterogeneous Networks: Leveraging Millimeter Wave for Seamless Handover
克服毫米波（mmW）通信的不确定性和动态信道变化的最有希望的方法之一是部署集成mmW和微波（$μ$ W）频率两者的双模基站。特别地，如果设计得当，这种双模基站可以增强高度移动无线环境中的移动性和切换。提出了一种新的联合$μ$ W-mmW网络移动性分析和管理方法。所提出的方法利用设备级缓存以及双模基站的功能，以最大限度地减少切换失败，并提供无缝的移动性。首先，基本结果的缓存能力，包括缓存概率和缓存持续时间，推导出建议的双模网络场景。第二，平均可实现的缓存速率为移动用户。然后，缓存的切换次数（HO）和平均切换失败（HOF）的影响进行了分析。推导的分析结果表明，内容缓存将减少HOF和增强移动性管理的异构无线网络与毫米波的能力。数值结果证实了分析推导，并表明，所提出的解决方案提供了显着减少的平均HOF，达到45%，移动用户移动速度相对较高。
2017-09-04 cs.IT cs.NI math.IT
Exploiting Device-to-Device Communications in Joint Scheduling of Access and Backhaul for mmWave Small Cells
随着移动数据需求的爆炸式增长，对部署常规同构宏小区网络（其通常被称为异构蜂窝网络）下的较高频带的小小区以显著提升整体网络容量的兴趣日益增加。在毫米波（mmWave）频带中有大量频谱可用的情况下，毫米波频率处的小型小区能够提供多千兆位接入数据率，而毫米波频带中的无线回程正在成为提供高回程容量以连接小型小区的接入点（AP）的成本有效的解决方案。为了最佳地操作移动网络，有必要联合设计无线电接入和回程网络。同时，还应考虑设备之间的直接传输，以提高系统性能并增强用户体验。在本文中，我们提出了一种联合传输调度方案的无线电接入和回程的小小区在毫米波波段，称为D2DMAC，其中的路径选择标准的目的是使设备到设备的传输性能的提高。在D2DMAC中，提出了一种并发传输调度算法，以充分利用毫米波网络中的空间重用。通过各种流量模式和用户部署下的大量仿真，我们证明了D2DMAC在某些情况下达到了接近最佳的性能，并在延迟和吞吐量方面明显优于其他协议。此外，我们还分析了路径选择的D2DMAC的性能改善的影响，在不同的选择参数。
2015-03-08 cs.NI
CoEdge: Cooperative DNN Inference with Adaptive Workload Partitioning over Heterogeneous Edge Devices
Sun Yat-sen University（中山大学）；University of Nevada, Reno（内华达大学里诺分校）；Arizona State University（亚利桑那州立大学）
人工智能的最新进展已经推动了网络边缘的智能应用，例如灵巧家庭、智能工厂和智能城市。为了在资源受限的边缘设备上部署计算密集型深度神经网络（DNN），传统方法依赖于将工作负载卸载到远程云或在本地优化终端设备的计算。然而，云辅助的方法受到不可靠和延迟显著的广域网，和本地计算方法受到限制的计算能力。协同执行机制为实现高性能边缘智能提供了一种新的范式，近年来引起了越来越多的研究兴趣。在本文中，我们提出了CoEdge，这是一个分布式DNN计算系统，可以在异构边缘设备上协调协作DNN推理。CoEdge利用边缘的可用计算和通信资源，并根据设备的计算能力和网络条件动态划分DNN推理工作负载。基于实际原型的实验结果表明，CoEdge算法在推理延迟接近的情况下，比现有算法具有更好的节能效果，对4种广泛采用的CNN模型，其能耗降低幅度可达25.5%~66.9%.
2020-12-06 cs.CV cs.DC cs.NI
A New Look at Physical Layer Security, Caching, and Wireless Energy Harvesting for Heterogeneous Ultra-dense Networks
异构超密集网络通过使用具有不同天线配置的密集亚6 GHz和毫米波（mmWave）小型小区来实现超高数据率和超低延迟。现有的工作已经广泛研究了这种网络的频谱和能量效率，并表明可以实现高频谱和能量效率。本文从三种有前途的技术的角度研究了异构超密集网络架构的好处，物理层安全、高速缓存和无线能量收集，并对这些技术在异构超密集网络中的应用提供了热情的前景。基于每种技术的基本原理，确定了推进这一新兴网络研究的机遇和挑战。
2017-09-11 cs.NI
Contextual Combinatorial Beam Management via Online Probing for Multiple Access mmWave Wireless Networks
针对毫米波无线网络多接入场景下的波束管理难题，提出融合上下文信息与在线探测的CCBM框架，联合优化收发配对与波束选择，兼具理论渐近最优性与多维度性能优势。
2024-11-29 cs.NI
Design Challenges of Millimeter Wave Communications: A MAC Layer Perspective
由于对强大数据量的指数级需求，频谱变得越来越稀缺，新的毫米波（mmW）频带被认为是5G通信的支持者，以提供多千兆比特的无线接入。MmW通信表现出高衰减和阻塞、由于大规模波束成形的方向性、耳聋、低干扰，并且可能需要微波网络进行协调和回退支持。当前的mmW配置受到由这种异构通信系统和mmW频带特性给出的压倒性复杂度的挑战。这需要在所有层上开发新的实质性协议。本文综述了毫米波通信中的介质访问控制问题。它被讨论，而现有的标准解决了这些问题的个人和局域网，很少有做蜂窝网络。有人认为，介质访问控制层应配备适应机制，知道特殊的毫米波特性。提供了5G中mmW介质访问控制设计的建议。它的结论是，毫米波的高效访问控制技术的设计是在其起步阶段，还有很多工作要做。
2014-03-12 cs.IT cs.NI math.IT
Deep Learning for Fast and Reliable Initial Access in AI-Driven 6G mmWave Networks
Virginia Tech（弗吉尼亚理工大学）；Intelligent Automation Inc.（智能自动化公司）
DeepIA是一种深度神经网络（DNN）框架，用于为AI驱动的5G和6G毫米波（mmWave）网络提供快速可靠的初始访问。与传统的基于穷举搜索的IA过程相比，DeepIA通过仅利用可用波束的子集来减少波束扫描时间。DeepIA将从波束子集获得的接收信号强度（RSS）映射到最适合接收器的波束。在视距（LoS）和非视距（NLoS）条件下，DeepIA都减少了IA时间，并优于传统IA的波束预测精度。我们表明，DeepIA的波束预测精度随着用于IA的波束数量而饱和，并且取决于波束的特定选择。在LoS条件下，波束的选择是重要的，并将精度提高了70%。在NLoS情况下，它将准确性提高了35%。我们发现，对多个RSS快照进行平均可以进一步减少所需的波束数量，并在LoS和NLoS条件下实现超过95%的准确度。最后，我们通过嵌入式硬件实现评估了DeepIA的波束预测时间，并展示了与传统波束扫描相比的改进。
2021-01-06 cs.LG cs.NI eess.SP
Joint Design of Access and Backhaul in Densely Deployed MmWave Small Cells
针对毫米波异构蜂窝网络接入与回传吞吐量失衡问题，提出基于多智能体深度强化学习的用户关联与回传资源分配联合优化方法，以适应链路动态并提升长期总吞吐量。
2023-08-17 cs.IT cs.NI math.IT
Robotic Aerial 6G Small Cells with Grasping End Effectors for mmWave Relay Backhauling
King’s College London（伦敦国王学院）
在密集的城市区域中部署专用于异构网络（HetNet）的小型小区和用于改善回程的相关联的中继节点预计将成为超5G（B5 G）和6 G无线接入网络设计中的重要结构元素。HetNet中的一个关键操作方面是如何最佳地实现无线回程链路以有效地支持流量需求。在这项工作中，我们利用最近提出的机器人空中小基站（RASC），能够掌握在不同的高大城市地形作为无线中继节点回程。这可以被认为是缺乏灵活性的固定小小区（FSC）的替代方案，因为一旦安装，它们的位置就不能改变。更具体地，考虑RASC的按需部署以构建毫米波（mmWave）回程网络，以使用基于网络流的混合整数线性规划（MILP）公式来优化可用网络容量。数值研究表明，对于相同的可达吞吐量，所需的RASC数量比所需的FSC数量少25%~ 65%。该结果在减少所需的无线网络设备（capex）以提供给定的网络容量方面具有重要意义，并且允许高效且灵活的网络致密化。
2022-02-03 cs.NI cs.RO
User Association and Channel Allocation in 5G Mobile Asymmetric Multi-band Heterogeneous Networks
针对5G多频段异构网络，考虑用户移动性、异步上下行切换等实际因素，提出基于最优匹配和谱聚类的用户关联与信道分配算法，提升总数据速率、有效数据速率和满意用户数。
2024-05-29 cs.NI
Asteroid: Resource-Efficient Hybrid Pipeline Parallelism for Collaborative DNN Training on Heterogeneous Edge Devices
School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院）；Data Science and Analytics Thrust, HKUST (GZ)（香港科技大学（广州）数据科学与分析学域）；The Chinese University of Hong Kong（香港中文大学）
针对边缘端DNN训练资源受限问题，提出分布式训练系统Asteroid，通过混合流水线并行、资源感知规划及轻量容错重放机制，在异构边缘设备上实现训练加速与鲁棒性提升。
2024-08-15 cs.AI cs.CV cs.DC
Intelligent Task Offloading for Heterogeneous V2X Communications
随着自动驾驶技术的快速发展，智能汽车任务对高处理速率的要求日益提高，而车载处理器资源有限，这两者之间的矛盾越来越难以调和。幸运的是，车辆边缘计算（VEC）已经被提出来满足紧迫的资源需求。由于汽车任务的延迟敏感特性，只有具有多种接入技术的异构车辆网络才能够应对这些苛刻的挑战。在本文中，我们提出了一个智能任务卸载框架在异构车辆网络与三个车辆到一切（V2X）通信技术，即专用短程通信（DSRC），基于蜂窝的V2X（C-V2X）通信，毫米波（mmWave）通信。基于随机网络演算，首先推导了在一定失效概率下不同卸载技术的延迟上界。此外，我们提出了一个联邦Q学习方法，最佳地利用可用的资源，以尽量减少通信/计算预算和卸载故障概率。仿真结果表明，我们提出的算法可以显着优于现有的算法卸载失败概率和资源成本。
2020-06-29 cs.IT cs.NI math.IT
