MIMO-NOMA 上行传输环境中的协作边缘学习
信息论
2021-06-29 v1 网络与互联网体系结构
math.IT
摘要
多输入多输出非正交多址（MIMO-NOMA）蜂窝网络在支持海量连接方面颇具前景。本文利用 MIMO-NOMA 上行传输环境中的低时延机器学习，其中大量数据必须从多个数据源上传至单跳外的边缘服务器以进行机器学习。提出了一种由数据源、边缘服务器与基站协作的时延感知边缘学习框架，称为 DACEL。基于 DACEL 的时延分析，进一步设计了 NOMA 信道分配算法以最小化学习时延。仿真结果表明，所提算法在学习时延缩减方面优于基准方案。
引用
@article{arxiv.2106.14356,
title = {Collaborative Edge Learning in MIMO-NOMA Uplink Transmission Environment},
author = {Mian Guo and Chun Shan and Mithun Mukherjee and Jaime Lloret and Quansheng Guan},
journal= {arXiv preprint arXiv:2106.14356},
year = {2021}
}
备注
5 pages, 3 figures, accepted for publication in IEEE/CIC ICCC 2021