深度学习驱动的缓存辅助协作网络在B5G/6G中的应用：挑战、解决方案与未来机遇
信息论
2024-01-03 v1 分布式、并行与集群计算
math.IT
摘要
缓存辅助协作网络（BACN）因其在超5代（B5G）或第六代（6G）关键场景中的潜在应用而备受关注。本文探讨了B5G/6G网络中缓存辅助中继的各种典型应用场景，以强调引入BACN的重要性。此外，我们深入研究了BACN中的关键技术挑战，包括严格的时延约束、高可靠性、非理想信道状态信息（CSI）、传输安全性和集成网络架构。为应对这些挑战，我们提出利用基于深度学习的方法来设计和运行带有BACN的B5G/6G网络，这与传统的缓存辅助中继选择方法不同。特别地，我们通过两个案例研究展示了集中式深度强化学习（DRL）和分布式DRL在缓存辅助非地面网络中的有效性。最后，我们概述了B5G/6G中与利用BACN相关的未来研究方向。
引用
@article{arxiv.2401.01195,
title = {Deep Learning Driven Buffer-Aided Cooperative Networks for B5G/6G: Challenges, Solutions, and Future Opportunities},
author = {Peng Xu and Gaojie Chen and Jianping Quan and Chong Huang and Ioannis Krikidis and Kai-Kit Wong and Chan-Byoung Chae},
journal= {arXiv preprint arXiv:2401.01195},
year = {2024}
}
备注
9 Pages, accepted for publication in IEEE Wireless Communications