Safehaul：面向 6G 网络中可靠毫米波自回程的风险规避学习
网络与互联网体系结构
2023-01-13 v2
摘要
在静态场景下，毫米波频率（mmWave）的无线回程在蜂窝网络中已是成熟做法。然而，当今毫米波系统中高度定向且自适应的波束成形开启了自回程的新可能。利用这一潜力，3GPP 已标准化了集成接入与回程（IAB），允许同一基站同时服务接入与回程流量。尽管成本效益更高且更灵活，IAB 毫米波网络中的资源分配与路径选择仍是一项艰巨任务。迄今为止，已有大量经典优化与学习方法应对该挑战，通常优化吞吐量、时延和公平性等关键性能指标（KPI），而很少关注 KPI 的可靠性。我们提出 Safehaul，一种面向 IAB 毫米波网络基于风险规避学习的解决方案。除优化平均性能外，Safehaul 通过最小化性能分布尾部的损失来确保可靠性。我们开发了一款新型模拟器，并通过大量仿真表明，Safehaul 不仅相比基准方案将时延降低多达 43.2%，而且表现出显著更可靠的性能（例如，所得时延的方差减少 71.4%）。
引用
@article{arxiv.2301.03201,
title = {Safehaul: Risk-Averse Learning for Reliable mmWave Self-Backhauling in 6G Networks},
author = {Amir Ashtari Gargari and Andrea Ortiz and Matteo Pagin and Anja Klein and Matthias Hollick and Michele Zorzi and Arash Asadi},
journal= {arXiv preprint arXiv:2301.03201},
year = {2023}
}
备注
To appear in Proceedings of IEEE INFOCOM 2023