DIVERSE ROUTING FOR SURVIVABILITY IN A FIBER-BASED SPARSE NETWORK
- 格式:pdf
- 大小:346.40 KB
- 文档页数:5
2021年第47卷第6期无线电通信技术
679
doi:10.3969/j.issn.1003-3114.2021.06.002引用格式:赵亚军,菅梦楠.6G智能超表面技术应用与挑战[J].无线电通信技术,2021,47(6):679-691.[ZHAOYajun,JIANMengnan.ApplicationsandChallengesofReconfigurableIntelligentSurfacefor6GNetworks[J].RadioCommuni⁃
cationsTechnology,2021,47(6):679-691.]
6G智能超表面技术应用与挑战
赵亚军1,2,菅梦楠1,2(1.中兴通讯股份有限公司,北京100192;2.移动网络和移动多媒体技术国家重点实验室,广东深圳518055)
摘 要:智能超表面(ReconfigurableIntelligentSurface,RIS)因为其能够灵活操控信道环境中的电磁特性,在学术研究及产业推进上发展迅速,被认为是5G⁃Advanced和6G网络的关键候选技术之一。RIS通过其人为灵活异常调控无线电波传输的能力,有机会构建一个智能的无线电磁环境。RIS的引入可能构建全新的网络范式,在给未来网络带来全新可能的同时,也导致了诸多全新的技术及工程应用挑战。该综述首先从新的角度介绍了RIS使能未来无线通信网络的主要方面,然后重点对RIS引入后面临的关键挑战进行了探讨。归纳汇总了RIS网络面临的主要工程化应用技术挑战,并对其中信道降秩、网络间共存、网络内共存、网络部署等几方面的关键技术挑战进行了深入分析和探讨,提出可能的解决方案。关键词:6G;智能超表面;信道降秩;多网络共存;多用户复用;多小区共存;网络部署
中图分类号:TN929.5 文献标志码:A 开放科学(资源服务)标识码(OSID):文章编号:1003-3114(2021)06-0679-13ApplicationsandChallengesofReconfigurableIntelligent
多用户MIMO-MEC网络中基于APSO的任务卸载研究顾敏;徐雅男;王辛迪;花敏;周雯【期刊名称】《无线电工程》【年(卷),期】2024(54)3【摘要】在移动边缘计算(Mobile Edge Computing,MEC)系统中引入多输入多输出(Multiple Input Multiple Output,MIMO)技术与数据压缩技术,能够降低数据冗余度和提高数据传输速率,从而降低任务的执行时延与能耗。
针对具备数据压缩功能的多用户MIMO-MEC网络,研究了多用户任务卸载问题。
通过联合优化任务卸载比例、数据压缩比例、发送功率、计算频率和信道带宽,来最小化系统总时延。
在能耗、功率和带宽等约束条件下,将任务卸载归纳为一个非凸优化问题。
由于能耗约束较为复杂,构造罚函数将其归并,得到一个相对简单的等价问题。
将所有优化变量视为一个粒子,基于自适应粒子群优化(Adaptive Particle Swarm Optimization,APSO)框架提出多用户的任务卸载方法。
由于粒子更新时可能违反约束条件,提出的方法对粒子越界的情形进行了特别处理。
该方法能自适应地调整惯性权重来提高寻优能力和收敛性,通过不断迭代最终获得最优或者次优解。
仿真实验评估了所提卸载方法的性能,分析了用户数、任务计算强度等参数对系统性能的影响。
结果表明,提出的方法优于本地计算、传统粒子群优化(Particle Swarm Optimization,PSO)算法等对比方案,能够有效降低系统的任务执行时延。
【总页数】8页(P711-718)【作者】顾敏;徐雅男;王辛迪;花敏;周雯【作者单位】南京林业大学信息科学技术学院;安徽大学互联网学院【正文语种】中文【中图分类】TN929.5;TP18【相关文献】1.基于延迟接受的多用户任务卸载策略2.基于稳定匹配的多用户任务卸载策略3.基于深度强化学习多用户移动边缘计算轻量任务卸载优化4.基于深度强化学习的多用户边缘计算任务卸载调度与资源分配算法5.基于博弈论的多服务器多用户视频分析任务卸载算法因版权原因,仅展示原文概要,查看原文内容请购买。