计算机视觉辅助的URLL通信：主动服务识别与共存

支持共存的超可靠低时延(URLL)与增强移动宽带(eMBB)业务是当前及未来无线通信网络的一项关键挑战。这两类业务引入了严格且有时相互冲突的资源分配需求，可能导致无线网络中可靠性、时延与资源利用之间的博弈。应对该挑战的困难可归因于占主导的反应式无线资源分配方式。该分配操作基于接收到的服务请求与全局网络统计执行，可能未纳入前瞻性。因此，本文提出一种称为服务识别的新框架，以开发新颖的主动资源分配算法。所开发框架基于视觉数据（例如由RGB相机捕获）与深度学习（如深度神经网络）。该框架的最终目标是使未来无线网络具备分析用户行为、预判 incoming 业务并执行主动资源分配的能力。为展示所提框架的潜力，考虑了一个含共存URLL与eMBB业务的无线网络场景，并设计了两种深度学习算法以利用RGB视频帧预测 incoming 业务类型及其请求时间。基于该场景构建了一个评估数据集并用于评价两算法性能。结果证实了前瞻性对无线网络的预期价值；所提模型实现了高效网络性能，在$\sim 98\%$可靠性下确保网络资源$85\%$以上利用率。这突显了未来视觉辅助无线通信网络的一个有前景方向。