D2D 使能网络中基于传统与人工智能/学习的资源分配及干扰抑制方案综述
人工智能
2018-09-25 v1 网络与互联网体系结构
摘要
第五代网络有望为多达 1000 倍的设备提供无缝且无处不在的连接，并被认为可提供低至超低延迟以及高达数十 Gbps 的数据速率。为实现这些需求，包括毫米波通信、大规模 MIMO 与波束成形、设备到设备（D2D）通信和异构网络在内的不同技术正在被开发。D2D 通信是一项有前景的技术，可支持在线流媒体和在线游戏等需要高带宽的应用，也可为自动驾驶中车对车通信等应用提供所需的超低延迟。与传统通信相比，D2D 通信可在高能效和频谱效率下提供更高的数据速率。当 D2D 用户复用传统蜂窝用户正在使用的频谱时，D2D 通信的性能优势可得到最佳发挥。这种多层异构网络中的频谱共享将在 D2D 用户与蜂窝用户之间引入复杂干扰，需要加以解决。鉴于针对 D2D 使能异构网络中干扰抑制与资源分配的综述有限，我们调研了近年来提出的不同的基于传统与人工智能的干扰抑制和资源分配方案。我们的贡献在于对传统干扰抑制技术及其不足的分析。最后，确定了基于 AI 的技术的优势，并提出了从近期研究中推导出的开放研究挑战。
引用
@article{arxiv.1809.08748,
title = {A Survey of Conventional and Artificial Intelligence / Learning based Resource Allocation and Interference Mitigation Schemes in D2D Enabled Networks},
author = {Kamran Zia and Nauman Javed and Muhammad Nadeem Sial and Sohail Ahmed and Hifsa Iram and Asad Amir Pirzada},
journal= {arXiv preprint arXiv:1809.08748},
year = {2018}
}
备注
Submitted in IEEE journal for Review