基于数据驱动方法的无授权随机接入中的设备异构性利用
信息论
2024-07-29 v1 网络与互联网体系结构
math.IT
摘要
无授权随机接入 (GFRA) 作为大规模无线多用户接入系统的流行协议，旨在减少控制信令。资源分配可视为帧槽 ALOHA 的一种形式，其中普遍的设计假设是设备均匀性。具体而言，设备 seeking to 发送数据的概率对所有设备相同。最近，人们对设计面向具有异构活动概率的帧槽 ALOHA 算法感兴趣。这些工作已证明相较于标准均匀分配，吞吐量可显著提升。然而，需完美了解每个帧中活跃设备的算法才能实现优化。然而在实际应用中，这一假设受限，因为 GFRA 中的设备识别算法很少提供零误差的活动估计。本文发展了一种新型基于随机梯度下降的算法，用于在活动估计误差存在的情况下优化槽位分配概率。我们的算法利用重要加权偏差缓解技术处理随机梯度估计，被证明可收敛至吞吐量优化问题的平稳点。在中等规模系统中，我们的仿真显示该算法的性能取决于误差分布类型。我们研究了对称位翻转、非对称位翻转以及来自广义近似消息传递 (GAMP) 算法的误差。在这些情景下，我们观察到分别获得了最高可达 40%、66% 和 19% 的性能提升。
引用
@article{arxiv.2407.18806,
title = {Exploiting Device Heterogeneity in Grant-Free Random Access: A Data-Driven Approach},
author = {Alix Jeannerot and Malcolm Egan and Jean-Marie Gorce},
journal= {arXiv preprint arXiv:2407.18806},
year = {2024}
}