The problem of achieving ultra-reliable and low-latency communication (URLLC) in multi-terminal networks has gained traction in the recent past owing to new wireless applications in vehicular networks. In the context of multi-hop networks, which is a classic example for multi-party communication, recent studies have shown that automatic-repeat-request (ARQ) based decode-and-forward (DF) strategies are suitable for URLLC since the idea of distributing a given number of ARQs across the nodes provides fine control on the features of reliability and latency. Inspired by these developments, in this work, we propose a cooperative ARQ sharing strategy for URLLC in multi-hop networks. At the heart of the proposed scheme lies the idea that every node is given the knowledge of the number of ARQs allotted to its preceding node in addition to the ARQs allotted to itself. As a result, each node only needs to count the number of unsuccessful attempts of its preceding node, and then borrow the unused ARQs, thereby improving the reliability feature with no compromise in the latency constraint. Using packet-drop-probability (PDP) as the reliability metric for the proposed cooperative strategy, we formulate an optimization problem of minimizing the PDP subject to a sum constraint on the total number of ARQs allotted across all the nodes. Supported by theoretical analysis on the behavior of PDP, we present low-complexity algorithms to compute near-optimal ARQ distributions for our strategy, and show that our strategy outperforms the existing non-cooperative strategies.


翻译:最近的研究显示,在多端网络中实现极端可靠和低延迟的通信(URLLC)的问题最近由于在多端网络中出现了新的无线应用程序而变得日益突出。在多端网络中,多端网络是一个典型的例子,在多端网络中,最近的研究表明,基于自动重复请求(ARQ)的解码和前方(DF)战略适合于URLC,因为通过节点分发一定数量的ARQ(URLC)的构想对可靠性和延缓性的特点有着细微的控制权。在这项工作中,我们为多端网络中的URLC提出了一个合作的ARQ(ARQ)共享战略。在拟议方案的核心思想是,每个节点除了对分配给自身的ARQ(ARQ)之前的节点外,还了解了ARQ(ARQ)的数量。结果是,每个节点之前的低节点分配尝试都对可靠性和延用未使用的ARQ(ARQ)提供了精度,从而改进了可靠性,在不妥协的情况下,在多端网络网络网络中,我们提出了不妥协的TRDP战略。 将AF-rocial-rodition rodustration 分析显示我们目前所有的可靠性问题。

0
下载
关闭预览

相关内容

【CMU】最新深度学习课程, Introduction to Deep Learning
专知会员服务
36+阅读 · 2020年9月12日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
和积网络综述论文,Sum-product networks: A survey,24页pdf
专知会员服务
23+阅读 · 2020年4月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Deep Compression/Acceleration:模型压缩加速论文汇总
极市平台
14+阅读 · 2019年5月15日
已删除
将门创投
11+阅读 · 2019年4月26日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Arxiv
8+阅读 · 2020年10月12日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Deep Compression/Acceleration:模型压缩加速论文汇总
极市平台
14+阅读 · 2019年5月15日
已删除
将门创投
11+阅读 · 2019年4月26日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Top
微信扫码咨询专知VIP会员