MMJan, 2023

多租户 O-RAN 中，基于拍卖的 x-haul 和云资源分配，保证公平性

PDF
TL;DR本文提出并比较了 min-max fairness 和 Vickrey-Clarke-Groves（VCG）基于拍卖的 x-haul 和 DU-CU 资源分配机制，以创建一个可持续发展的多租户 O-RAN 生态系统，其中使用 PON 虚拟化技术的 x-haul 接口在 RU 和边缘云之间提供光学连接，并设计了有效的启发式算法来提高经济效率和网络资源利用率。
open-radio access networkcloudificationresource allocationx-haul interfacesefficient heuristics
发现论文，激发创造
  • 虚拟化的 O-RAN 平台中的公平资源分配

    O-RAN 和 O-Cloud 构成了一个重要的范式转变，可以带来前所未有的性能提升，并提出了一系列试验来评估 O-Cloud 的能耗成本以及其依赖性，同时提出了一种基于能效的计算策略和一种基于射频的策略，以实现在服务器和用户之间公平地平衡能源节约和性能。

    Feb, 2024

  • Open-RAN 网络资源分配的自博弈学习策略

    本文提出了基于深度强化学习和类似于 AlphaGo Zero 的神经蒙特卡罗树搜索的自我对抗自学习策略，以实现不同网络条件下的智能 RU-DU 资源分配，并研究了 ORAN 系统中 RU-DU 资源分配问题的 2D 装箱模型

    Mar, 2021

  • 多媒体异构云无线接入网络的能效资源分配优化

    本文提出了一种适用于排队感知多媒体异构云射频接入网络（H-CRAN）的节能优化目标函数，以达到同时考虑智能前传容量和跨层干扰约束的最优网络协作波束形成设计算法。该算法实现了加权平均最小平方误差方法，达到了能效和排队延迟之间的平衡，并进一步演示了智能前传约束对此平衡的严格影响。

    Jan, 2016

  • 基于 Actor-Critic 学习的 O-RAN 资源分配中的动态 CU-DU 选择

    本文提出两种基于 actor-critic 学习的技术来优化资源分配功能的位置以及资源分配决策，并研究了增强学习资源分配在可观测性方面对性能的影响，实验表明，在动态地网络功能（NF）根据服务要求进行重新定位时，使用强化学习技术能够获得延迟和吞吐量的提高。

    Oct, 2021

  • O-RAN 中的智能负载均衡与资源分配：一种多智能体多臂赌博机方法

    该论文研究了如何利用机器学习算法实现开放式无线接入网络的智能化管控，提出了一种基于多智能体和多臂赌博机的负载平衡和资源分配策略，并通过仿真实验证明，该算法在有效提升网络吞吐率的同时，相对于基于规则的和其他启发式算法，更能实现开放接入单元之间的负载均衡。

    Mar, 2023

  • 基于故障时间的 O-RAN VNF 部署策略，以优化 O-Cloud 中的自治愈

    本文提出了针对 O-RAN 中虚拟化单元的优化部署策略，以最小化网络中断并符合 O-RAN 特定的要求，从而提高网络的可用性和维护服务质量。

    Oct, 2021

  • O-RAN 中网络切片的高效资源分配的半监督学习方法

    我们提出了一种创新的方法，旨在协调 Open Radio Access Network（O-RAN）中的多个独立 xAPPs，以实现网络切片和资源分配，并优化用户设备（UE）之间的加权吞吐量和物理资源块（PRB）的分配。通过设计 power control xAPP 和 PRB allocation xAPP，我们的方法通过监督学习和无监督学习的组合实现了高效的网络切片问题解决方案。与其他方法相比，我们的方法在不同场景中展现出更高的性能和效果。

    Jan, 2024

  • 云无线接入网络：为密集异构系统虚拟化无线接入

    本文对 C-RAN 的最新研究进展进行简要概述，包括前程压缩、基带处理、媒体访问控制、资源分配、系统级考虑和标准化工作，C-RAN 在 5G 系统发展中具有重要地位。

    Dec, 2015

  • 有限前传容量下 C-RAN 中的用户活动检测随机访问

    本文研究了在连接 RRH 到 CU 的 fronthaul 线路容量限制条件下，随机接入和主动 UE 识别在系统参数变化时采用基于 Bayesian 稀疏检测的量化转发与集中式检测的标准 C-RAN 方法和启用本地检测的 CU-RRH 功能分离方案的相对优劣。

    Jun, 2016

  • 基于 AI 的 NOMA NTNs 中的无线电和计算资源分配与路径规划：在 CSI 不确定性下减小 AoI

    用空中计算框架由高空平台和无人机组成，解决通过上行非正交多址接入连接的移动用户的任务完全卸载问题，通过调整无人机轨迹和资源分配来最小化用户的数据时延，使用多智能体深确定策略梯度和联邦强化学习两种方法优化求解，显示任务调度显著降低了数据时延。

    May, 2023