超可靠低时延工业物联网中的数据驱动预测调度：一种生成对抗网络方法
网络与互联网体系结构
2020-05-12 v1 信号处理
摘要
迄今为止，基于模型的低时延可靠通信对于时间关键的无线控制系统至关重要。在这项工作中，我们研究了无线工业网络中的下行链路（DL）控制器到执行器调度问题，以最小化中断概率。与现有基于已知平稳衰落信道模型的文献不同，我们假设任意且未知的信道衰落模型，该模型仅通过样本可用。为克服数据样本有限的问题，我们引入生成对抗网络（GAN）框架，并提出一种在线数据驱动方法，以在线方式联合调度下行链路传输并学习信道分布。数值结果表明，所提方法能有效学习任意信道分布，并利用预测的中断概率进一步实现最优性能。
引用
@article{arxiv.2005.04728,
title = {Data-Driven Predictive Scheduling in Ultra-Reliable Low-Latency Industrial IoT: A Generative Adversarial Network Approach},
author = {Chen-Feng Liu and Mehdi Bennis},
journal= {arXiv preprint arXiv:2005.04728},
year = {2020}
}
备注
Accepted in IEEE SPAWC 2020 with 4 figures and 1 table