面向 6G 厂内子网络的主动无线资源分配
系统与控制
2025-04-22 v1 系统与控制
摘要
6G 厂内子网络（InF-S）最近被引入作为安装在机器人和生产模块上的短程、低功率无线细胞，以支持现代控制系统的严格要求。在此背景下，信息新鲜度由年龄信息（Age of Information, AoI）刻画，对保证这些系统控制回路的稳定性和准确性至关重要。然而，在资源有限且动态环境复杂的 InF-S 环境下，实现严格的 AoI 性能提出了重大挑战。本文引入一种主动无线资源分配方法，以最小化 AoI 违规概率为目标。该方法采用基于贝叶斯岭回归（Bayesian Ridge Regression, BRR）的去中心化学习框架，主动学习系统动力学，以预测未来的 AoI。基于预测的 AoI 值，主动分配无线资源，以最小化 AoI 超过预设阈值的概率，从而提升控制回路的可靠性和准确性。通过仿真结果表明，我们提出的方法在显著降低 AoI 违规概率方面效果显著，与相关基线方法相比，AoI 违规概率降低了 98%。
引用
@article{arxiv.2504.14718,
title = {Proactive Radio Resource Allocation for 6G In-Factory Subnetworks},
author = {Hossam Farag and Mohamed Ragab and Gilberto Berardinelli and Cedomir Stefanovic},
journal= {arXiv preprint arXiv:2504.14718},
year = {2025}
}