文献

J-GLOBAL ID：202202283394043218   整理番号：22A0960336

ビッグデータ要求に有利なダウンリンク認知CRANにおける大域最適リソース割当と時間スケジューリング【JST・京大機械翻訳】

Globally Optimal Resource Allocation and Time Scheduling in Downlink Cognitive CRAN Favoring Big Data Requests

著者 (4件)： Bigdeli Mohammad (School of Electrical Engineering, Iran University of Science and Technology (IUST), Tehran, Iran) ,  Farahmand Shahrokh (School of Electrical Engineering, Iran University of Science and Technology (IUST), Tehran, Iran) ,  Abolhassani Bahman (School of Electrical Engineering, Iran University of Science and Technology (IUST), Tehran, Iran) ,  Nguyen Ha H. (Department of Electrical and Computer Engineering, University of Saskatchewan, Saskatoon, SK, Canada)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 27504-27521  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文は,二次ユーザ(SUs)のためのビッグデータの効率的で信頼できるダウンリンク伝送に特別な注意を払って,認知クラウド無線アクセスネットワーク(CRAN)に関するものである。既存のアプローチは,受け入れられたSUsの数または受け入れられたSUsの合計データ速度を最大化する試みである。第1の手法は,小さなデータ要求を有するユーザに不都合に好都合であり,一方,第2の手法は,より良いチャネル条件を有するユーザに大部分の資源を割り当てる。対照的に,本論文では,SU間のある程度の公平性を維持しながら,大きなデータ要求に有利な新しいアプローチを開発した。この目的のために,まず,SUに対するデッドライン意識時間スケジューリング,スペクトル割当,SU選択,および遠隔無線ヘッド(RRH)割当を共同最適化することを可能にする新しい目的関数を導入した。第2に,大域的最適解を見つけることは,NP困難であることが知られている一般化区間グラフ上のすべてのカラーフルな独立集合の計数を必要とすることを示した。第3に,著者らは,動的計画法(DP)アプローチを提案し,それにより,縮小計算コストで大域的最適解を得た。第4に,提案したDP手法の複雑性を分析し,既存のベースラインアルゴリズムに対するその性能を評価した。シミュレーション結果は,著者らの解法が,公平性指数において小さな劣化だけを繰り返す間,大きいデータユーザに好都合であることを明らかにした。提案した解決策は,小から中サイズのネットワークに対して実用的である。さらに,任意の新しい準最適低複雑性アルゴリズムの最適ベンチマークを提供した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  シミュレーション ,  *スケジューリング ,  動的計画法 ,  ネットワーク ,  *リンク ,  *資源割付 ,  目的関数 ,  利用者 ,  ベンチマーク ,  NP困難
準シソーラス用語： 最適解 ,  ワイヤレス ,  *ダウンリンク ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (5件)： データ要求 ,  ダウンリンク ,  認知 ,  リソース割当 ,  スケジューリング