AA-DL：面向 D2D 辅助工业物联网的 AoI 感知深度学习方法
网络与互联网体系结构
2023-11-23 v1 信号处理
摘要
在实时工业物联网（IIoT），例如监测与控制场景中，数据的新鲜度对于维持系统功能与稳定性至关重要。本文提出一种 AoI 感知深度学习（AA-DL）方法，以最小化 D2D 辅助 IIoT 网络中的峰值信息年龄（PAoI）。具体而言，我们通过随机几何分析了成功概率与平均 PAoI，并构建了一个以寻找最小化 PAoI 的最优调度策略为目标的优化问题。为解决该非凸调度问题，我们设计了一种神经网络（NN）结构，利用地理位置信息（GLI）与反馈阶段，在随机部署的网络上进行无监督学习。我们的动机基于如下观察：在多种传输情境下，无线信道强度主要受距离相关路径损耗的影响，而该损耗可利用各链路的 GLI 计算。数值结果评估了 AA-DL 方法的性能，表明相较于近期基准方法，所提方法在改善 PAoI 性能的同时，相对于传统迭代优化方法保持了更低的复杂度。
引用
@article{arxiv.2311.13325,
title = {AA-DL: AoI-Aware Deep Learning Approach for D2D-Assisted Industrial IoT},
author = {Hossam Farag and Mohamed Ragab and Cedomir Stefanovic},
journal= {arXiv preprint arXiv:2311.13325},
year = {2023}
}