MMJan, 2018

超可靠低时延通信联合上下行资源配置

PDF
TL;DR为了支持超可靠低延迟通信（URLLC），我们首先提出了适用于 URLLC 的分组传递机制，然后联合优化上下行带宽配置和延迟成分，以最小化保证总数据包丢失和端到端延迟所需的总带宽。
ultra-reliable and low-latency communicationsfifth-generation cellular networksspectrum efficiencyqos constraintsbandwidth configuration
发现论文，激发创造
  • 超可靠低时延通信中的无线接入（URLLC）

    本文介绍了 5G 无线系统中的 Ultra-Reliable Low Latency Communication（URLLC）及其在 massive MIMO 和多连接接口多样性方面的应用，以及在设计和评估极高可靠性水平方面的适当统计方法

    Oct, 2018

  • 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

  • 利用接口多样性的超可靠低延迟通信（URLLC）

    本文提出了一种基于编码分配权重并通过多种通信技术传输的通信系统，其可以在满足特定时延目标的情况下实现最大的可靠性，通过结合可靠性模型和技术特定的时延概率分布的分析框架，该模型可以针对不同情境优化其策略并在实验中进行验证。

    Nov, 2017

  • 5G 无线网络中 URLLC 和 eMBB 流量的联合调度

    针对即使在 eMBB 资源分配存在的情况下降低 URLLC 通信延迟的需求，本文研究了对 5G 系统进行联合 eMBB 和 URLLC 调度的最优方法。结果表明，通过迭代梯度算法进行 eMBB 调度，采用 URLLC 需求调度器，可以同时实现对 eMBB 流量的最大利用和对 URLLC 要求的直接满足。

    Dec, 2017

  • 极端低时延低误码率通信：愿景、挑战和关键要素

    本研究提出了 xURLLC 新理念，通过机器学习技术、RF 与 non-RF 模式融合以及通信与控制协同设计三种核心技术支撑，打破了 5G URLLC 中的通信中心化思维，提出新的研究方向。同时，针对关键应用场景提出一套完整的解决方案与技术支持，致力于推动一次超越 5G/6G 的革新。

    Jan, 2020

  • 基于信息论的 C-RAN 上行链路中 URLLC 和 eMBB 服务的共存研究

    本文探讨了在多元背景下不同多址方式使用于增强移动宽带 (eMBB) 和超可靠低延迟通信 (URLLC) 上行链路中的性能表现，并研究了使用中央化解码的干扰管理能力与使用边缘节点解码的低延迟要求之间的性能权衡。同时，文章还包括不同解码结构和干扰管理方法 (NOMA) 的讨论，如中断和连续干扰消除 (SIC)，以及在干扰、信噪比水平和前端容量限制的情况下进行的有效设计选择。

    Apr, 2018

  • eMBB-URLLC 资源切片：一种风险敏感的方法

    使用风险敏感度和马尔可夫不等式，将资源分配给严格低延迟通信（URLLC）的新射频应用，同时保护当前增强型移动宽带用户的数据速率，从而有效地分配资源并满足 URLLC 和 eMBB 的可靠性。

    Feb, 2019

  • 一种统计学习方法用于实现超高可靠低延迟通信

    这篇文章讲述了通过学习统计学模型以实现可靠传输，通过三个关键组成部分：信道模型选择、从样本中学习模型以及选择适当的传输率来满足要求的可靠性。

    Sep, 2018

  • 5G 无线网络中 eMBB 和 uRLLC 的共存机制

    本文研究了 5G 移动通信网络中 uRLLC 和 eMBB 服务之间的共享资源调度问题，通过使用 PSUM 算法和优化技术，提出了一种优化问题，以最大化 eMBB UEs 的 MEAR 并满足 uRLLC traffic 的相关规定，结果表明该方法明显优于基线方法，可显著提高 eMBB 用户体验和公平得分。

    Mar, 2020

  • 基于机器学习的低延迟高可靠通信风险感知资源分配的挑战与策略

    通过机器学习技术在 5G 无线网络中实现非计划 URLLC 流量传输的研究，提出了一种分布式风险感知机器学习解决方案，从而可以实现计划或非计划 URLLC 流量的同时满足其严格的延迟和可靠性要求。

    Dec, 2018