支持XR应用的体内子网络子带分配算法比较分析
信息论
2024-03-19 v1 信号处理
math.IT
摘要
体内子网络（IBS）被设想为支持人体内包括扩展现实（XR）在内的新兴应用提供可靠的无线连接。由于体内子网络的部署本质上是不可控的，现有的动态无线电资源分配方案对于体内子网络的性能至关重要。本文对支持XR应用的体内子网络中最先进的干扰感知子带分配算法的性能进行了比较研究。该研究确定了用于表征体内子网络的合适模型，并在基于快照的仿真框架中使用这些模型对最先进的子带分配算法的性能进行了全面评估，包括贪婪选择、顺序贪婪选择（SG）、集中式图着色（CGC）和顺序迭代子带分配（SISA）。研究表明，对于XR需求，SISA和SG算法可支持的IBS密度比CGC高出75%。
引用
@article{arxiv.2403.11891,
title = {Comparative Analysis of Sub-band Allocation Algorithms in In-body Sub-networks Supporting XR Applications},
author = {Saeed Bagherinejad and Thomas Jacobsen and Nuno K. Pratas and Ramoni O. Adeogun},
journal= {arXiv preprint arXiv:2403.11891},
year = {2024}
}
备注
Accepted for IEEE WCNC 2024