面向两层无线接入网络的人工智能辅助基于切片的资源管理
网络与互联网体系结构
2023-08-23 v1 信号处理
摘要
尽管网络切片已成为业务差异化的主流方法，无线接入网络（RAN）切片仍具挑战性，因为需要极强的自适应性与灵活性来应对 RAN 中高度动态的网络环境。本文为两层 RAN 开发了一种基于切片的资源管理框架，以支持具有不同服务质量（QoS）要求的多种业务。该框架聚焦于基站（BS）业务覆盖（SC）与多切片的干扰管理，每个切片对应一种业务。在空间、时间与切片维度上引入了新设计，以应对数据流量的时空变化、平衡资源管理的自适应性与开销，并增强业务差异化的灵活性。基于所提框架，构建了能量效率最大化问题，并提出了一种人工智能（AI）辅助方法来求解该问题。具体而言，提出一种深度无监督学习辅助算法搜索基站的最优 SC，并给出基于优化的解析解来管理基站间干扰。在不同数据流量分布下的仿真结果表明，我们所提出的由 AI 辅助方法赋能的基于切片的资源管理框架优于基准框架，并取得了接近最优的能量效率性能。
引用
@article{arxiv.2308.10961,
title = {AI-Assisted Slicing-Based Resource Management for Two-Tier Radio Access Networks},
author = {Conghao Zhou and Jie Gao and Mushu Li and Xuemin Shen and Weihua Zhuang and Xu Li and Weisen Shi},
journal= {arXiv preprint arXiv:2308.10961},
year = {2023}
}
备注
Accepted by IEEE Transactions on Cognitive Communications and Networking