Jul, 2017

在有损蜂窝网络中使用域分片实现更快的 HTTP/2

PDF
TL;DR分析了 HTTP / 2 在高丢包和延迟的蜂窝网络下的表现，建立了测试平台来模拟蜂窝网络下的网络丢包特点，提出了一种基于域的分片技术来优化具有小和大对象下载的网页的性能。测试结果表明，HTTP / 2 在具有小对象的网页中具有更快的页面加载时间（PLT），但在具有大对象的网页中 PLT 下降。使用基于域的分片后，HTTP / 2 通过多个连接比单个连接和 HTTP / 1.1 的六个连接的情况下能够显著优化性能。提出新的域感知分片技术，以优化移动 Web 性能。
http/2cellular networktcp connectiondomain-shardingweb performance
发现论文，激发创造
  • 超低延迟网络 (ULL)：IEEE TSN、IETF DetNet 标准及相关 5G ULL 研究

    本文综述了 IEEE TSN 和 IETF DetNet 标准和相关研究，主要涉及流概念、流同步、流管理、流控制和流完整性等内容，并针对 5G 网络中的前传、回传和网络管理方面的 Ultra-Low Latency 进行了研究，同时，文章指出现有标准和研究的缺陷和局限性，为未来的大数据研究工作提供了基础。

    Mar, 2018

  • 通过无线设备对设备（D2D）链路进行低速机器类型通信

    本文论述了利用设备到设备通信解决无线蜂窝网络中大量低速、低功率设备接入和偏远设备断开的问题，并提出了两种网络协助的设备到设备方案，以实现低速、低功率设备的联网并提高宽带服务的速度。

    May, 2013

  • DFTS2：在丢包信道上模拟深度特征传输

    本文提出了名为 DFTS2 的仿真框架，使得研究人员能够在 TensorFlow2 中对 CI 系统进行组件定义，并选择各种参数的基于数据包的信道模型，以及在各种信道条件和误差 / 丢失控制策略下模拟系统行为。利用 DFTS2，我们还对协作图片分类模型的丢包隐藏方法进行了迄今为止的最全面的研究。

    Dec, 2021

  • 走向更精确的移动蜂窝流量预测之路

    本文报道了一种新的方法，该方法通过结合免费提供的道路指标来确立数据生成过程和空间依赖性，从而提高了移动蜂窝流量预测的准确性，这可以应用于边缘或中心化学习，可用于预测短期未来一段高速公路覆盖区域的负载。

    May, 2023

  • 手机网络中应用层流量数据的学习和预测

    本文提出了一种基于字典学习的交替方向方法，用于综合研究和预测蜂窝网络流量建模和预测框架，并提高了预测准确性和鲁棒性。

    Jun, 2016

  • 商用智能手机 5G 性能初探

    本篇论文是针对商业 5G 在智能手机上的性能所做的一项首次评估，通过对美国三个城市的三个运营商（两个毫米波运营商和一个中频带运营商）的 5G 网络进行了详细的测试，并对手 off 机制及其对网络性能的影响、使用位置等环境信息预测网络性能的可行性以及 5G 应用程序表现的研究进行了探索。该研究提供了 5G 性能样本数据，为未来改进 5G 用户体验提供了关键研究方向。

    Sep, 2019

  • 基于数据驱动的无线网络延迟概率预测：关注尾部概率

    使用数据驱动的方法，预测网络参数条件下稀有延迟的概率分布尾部，以实现对无线传输中的网络延迟的更精确控制。

    Jul, 2023

  • 异构蜂窝网络的负载均衡用户关联

    使用低复杂度的分布式算法通过对网络宽带优化来尝试解决小型细胞技术的优化问题，以及通过对偏置值的谨慎选择获得了大量吞吐量收益和速率增益。

    May, 2012

  • 使用迁移学习生成逼真的云访问时间，用于移动应用测试

    本论文提出一种基于转移学习的测量驱动方法，使用 LSTM 神经网络，通过相对较短的样本将传统模型适应于新环境，简化了合成轨迹生成，并生成了适用于多样化目标环境的 WiFi 和 LTE 云存取时间模型的特征，演示了由这些模型生成的合成轨迹可以准确地复制应用程序 QoE 指标分布，包括它们的异常值。

    Mar, 2021

  • 超可靠低延迟无线通信：尾数、风险和规模

    本研究论文探讨了确保 5G 以上的无线网络具备超高可靠性和超低延迟通信（URLLC）的策略，包括延迟，可靠性，数据包大小等多种不同考虑因素，最终提供了关于设计低延迟和高可靠性无线网络的有价值洞见和技术治理方法。

    Jan, 2018