Channel estimation in mmWave and THz-range wireless communications (producing Gb/Tb-range of data) is critical to configuring system parameters related to transmission signal quality, and yet it remains a daunting challenge both in software and hardware. Current methods of channel estimations, be it modeling- or data-based (machine learning (ML)), - use and create big data. This in turn requires a large amount of computational resources, read operations to prove if there is some predefined channel configurations, e.g., QoS requirements, in the database, as well as write operations to store the new combinations of QoS parameters in the database. Especially the ML-based approach requires high computational and storage resources, low latency and a higher hardware flexibility. In this paper, we engineer and study the offloading of the above operations to edge and cloud computing systems to understand the suitability of edge and cloud computing to provide rapid response with channel and link configuration parameters on the example of THz channel modeling. We evaluate the performance of the engineered system when the computational and storage resources are orchestrated based on: 1) monolithic architecture, 2) microservices architectures, both in edge-cloud based approach. For microservices approach, we engineer both Docker Swarm and Kubernetes systems. The measurements show a great promise of edge computing and microservices that can quickly respond to properly configure parameters and improve transmission distance and signal quality with ultra-high speed wireless communications.
翻译:以 mm Wave 和 THZ 中 的无线 通信 和 THZ 的 频道估计 ( 生成 Gb/ Tb-range 数据 ) 对 配置 与 传输 信号 质量 有关的系统参数 至关重要, 然而, 在软件和硬件方面, 仍然 是一个巨大的挑战 。 当前的频道估计方法, 无论是建模还是基于数据( 机械学习( ML ) ) ), 使用和创建大数据 。 这反过来需要大量的计算资源, 阅读操作以证明 是否存在某些预设的频道配置, 例如 数据库中的 QoS 参数, 以及 将 QoS 远程 参数的新组合存储到数据库中 。 特别是基于 ML 的 ML 方法需要高计算和储存资源、 低 低 、 低 低 和 高 硬件 灵活性 。 在本文件中, 我们设计并研究 将以上 操作卸载到 边和 云计算系统 的, 以 边和 云 计算 以 快速 频道 建 模型 提供 的 快速 和 快速 系统 系统 。 我们 以 快速 系统 的 以 以 以 以 快速 快速 和 快速 运行 系统 显示 的 快速 系统 系统 的 和 以 以 以 以 快速 运行 以 运行 基 基 基 基 基 基 基 基 基 基 基 基 的 基 机 机 基 机 的 基 的 机 机 的 机 机 的 的 机 机 机 的 机 机 机 机 的 的 机 机 机 机 机 机 机 的 机 机 机 机 机 的 的 机 机 机 机 机 机 机 机 的 系统 。