Nov, 2020

工业物联网中机器类通信的 MAC – 第二部分：调度和数值结果

PDF
TL;DR该论文提出了用于工业物联网中机器类型通信的媒体访问控制设计，其中包括集中式报文传输调度方案和基于深度神经网络的协议参数确定方法，以满足服务质量要求并避免处理大量设备引起的复杂性。
packet transmission schedulingmedium access controlmachine-type communicationsquality of servicedeep neural network
发现论文，激发创造
  • 工业物联网中机器型通信的 MAC-- 第一部分：协议设计和分析

    本研究提出一种新型的中介访问控制协议，以单个接入点和信道支持大规模设备的异构数据流和 QoS 要求，其中关键的想法是基于感知的分布式协调以显著提高信道利用率。

    Nov, 2020

  • 5G 中的大规模机器型通信：物理层和 MAC 层解决方案

    介绍了 METIS 项目中为了解决物联网设备大规模联网和无线覆盖等问题开发的物理和媒介访问控制层解决方案。

    Jun, 2016

  • 使用深度学习优化 MAC 协议设计

    本文描述了如何利用深度强化学习框架进行物理层和 MAC 层的不同参数之间的关系学习，以优化协议设计任务。

    Feb, 2020

  • 面向边缘智能工业物联网的超低延迟通信智能确定性调度方法

    本文研究了边缘计算技术、时间敏感网络、确定性调度技术与带宽利用等关键技术，提出了一种基于非碰撞理论的确定性调度方法（NDS）以及动态队列调度（DQS）机制，实现了超低延迟通信和带宽利用率的优化。

    Jul, 2022

  • 超密集蜂窝物联网中的大规模机器型通信：现有问题和机器学习辅助解决方案

    本文针对 mMTC 场景中海量 MTC 设备的 QoS 保障、RAN 拥塞等问题展开研究，综述了现有解决方案并提出了新的解决方向，其中包括利用机器学习技术解决 mMTC 中的 QoS 问题。

    Aug, 2018

  • 迈向 6G 的语义通信协议：从协议学习到以语言为导向的方法

    本文对数据驱动介质访问控制（MAC）协议进行了新颖的分类，分为三个级别：第一级 MAC，使用多智能体深度强化学习（MADRL）构建的面向任务的神经协议；第二级 MAC，通过将第一级 MAC 的输出转化为明确符号来开发神经网络导向的符号协议；第三级 MAC，利用大型语言模型（LLMs）和生成模型的语言导向的语义协议。通过这种分类，我们旨在探究每个级别的机遇和挑战，并从信息论和相关原理以及选定的案例研究中提供对数据驱动 MAC 协议的轨迹的见解，同时为未来的研究方向提供启示。

    Oct, 2023

  • 使用深度学习优化 MAC 协议设计

    本研究提出了一种基于深度强化学习的框架，通过将协议拆分为一组参数模块来优化设计和分析网络协议，并以 DeepMAC 为案例研究，在 802.11 WLANs 中将 MAC 协议分解为一组模块，以了解人工智能技术在网络协议优化方面的应用。

    Feb, 2020

  • 移动边缘计算系统的延迟最优计算任务调度

    本文研究了移动边缘计算中的任务调度问题，采用马尔科夫决策过程方法解决该问题，并且提出了一种有效的一维搜索算法来找到最优的任务调度策略。仿真结果表明，与基线策略相比，该策略可以实现更短的平均执行延迟。

    Apr, 2016

  • 基于多臂赌博机的 TDMA 传输时隙调度和碎片整理用于提高带宽利用率

    本论文提出了一种基于多臂赌博机和 DDSBS 操作的 TDMA MAC 时隙分配协议，实现无冲突传输和提高带宽利用效率。通过广泛的模拟实验，表明该机制适用于具有或不具有时间同步的网络，可以在学习收敛时间和带宽之间做出平衡，并允许节点适应拓扑变化。

    Jan, 2023

  • 基于机器学习的 VLC 物联网网络的分布式 TDMA

    本文提出了一种基于机器学习的分布式可见光通信物联网网络的时分多址（TDMA）算法，该算法基于强化学习算法 Q-learning，并考虑了分布式环境中的同步和数据传输时隙分配问题。结果表明，该算法相较于 CSMA/CA 算法，在网络中能够提供高达 61% 的更高吞吐量和高达 49% 的较低平均延迟。

    Nov, 2023