AI 驱动的 NOMA-F-RAN 新视角：特征提取、协作缓存与缓存辅助计算
信号处理
2021-12-03 v1
摘要
支持非正交多址（NOMA）的雾无线接入网（NOMA-F-RANs）已被视为缓解网络拥塞、降低传输时延并改善雾用户设备（F-UEs）服务质量（QoS）的有前景赋能技术。然而，NOMA-F-RANs 的有效性高度依赖于已绘制的 F-UEs 特征信息（偏好分布、位置、移动性等）以及有效的缓存、计算和资源分配策略。在本文中，我们探讨如何利用人工智能（AI）技术解决上述巨大挑战。具体而言，我们首先详述 NOMA-F-RANs 架构，阐明其关键模块，即协作缓存与缓存辅助移动边缘计算（MEC）。随后，综述了可用于解决 NOMA-F-RANs 主要问题的 AI 驱动技术。通过案例研究，我们展示了 AI 赋能方法在 F-UEs 潜在特征提取与协作缓存方面的效能。最后，指出了 AI 驱动的 NOMA-F-RANs 的未来趋势，包括开放研究问题与挑战。
引用
@article{arxiv.2112.01325,
title = {A New Look at AI-Driven NOMA-F-RANs: Features Extraction, Cooperative Caching, and Cache-Aided Computing},
author = {Zhong Yang and Yaru Fu and Yuanwei Liu and Yue Chen and Junshan Zhang},
journal= {arXiv preprint arXiv:2112.01325},
year = {2021}
}
备注
7 pages, 5 figures, 1 table