Ultra-reliable, low-latency communication (URLLC) represents a new focus in 5G-and-beyond networks, and it is expected to enable mission-critical sensing and control as well as AR/VR applications. URLLC requires controlling the communication quality of individual packets. Prior studies have considered probabilistic per-packet real-time guarantees for single-cell, single-channel networks with implicit deadline constraints, but they have not considered real-world complexities such as inter-cell interference and multiple communication channels. Towards ensuring URLLC in multi-cell, multi-channel wireless networks, we propose a real-time scheduling algorithm based on local-deadline-partition (LDP). The LDP algorithm is suitable for distributed implementation, and it ensures probabilistic per-packet real-time guarantee for multi-cell, multi-channel networks with general deadline constraints. We also address the associated challenge of the schedulability test of URLLC traffic. In particular, we propose the concept of feasible set and identify a closed-form sufficient condition for the schedulability of URLLC traffic. We propose a distributed algorithm for the schedulability test, and the algorithm includes a procedure for finding the minimum sum work density of feasible sets which is of interest by itself. We also identify a necessary condition for the schedulability of URLLC traffic, and use numerical studies to understand a lower bound on the approximation ratio of the LDP algorithm. We experimentally study the properties of the LDP algorithm and observe that the URLLC traffic supportable by the LDP algorithm is significantly higher than that of a state-of-the-art algorithm.


翻译:超固、低纬度通信(URLLLC)是5G和超强网络中一个新的焦点,预计它将使任务临界值的测算和控制以及AR/VR应用程序成为新的焦点。URLLLLC要求控制单个包的通信质量。先前的研究已考虑到单细胞、单通道网络的概率性、每包装实时保障,且不言而喻的最后期限有限制,但是它们没有考虑到诸如细胞间干扰和多个通信渠道等真实世界复杂性。为确保多细胞、多通道无线多通道网络中的URLLLC,我们建议基于当地-死线分隔(LDP)应用程序的实时算法算法算法。LDP算法适合分布式的通信质量。LDP算法保证多细胞、多通道网络的概率性实时保障。我们还解决了对URLLLLC交通的定型性测试的相关挑战。我们特别提出可行的概念,通过对市内流量的定值确定一个封闭式的足够条件,用以测量URLDP流量的定值性。我们还提议对LDLDLLLLLLL的精确性进行必要的测算。

0
下载
关闭预览

相关内容

专知会员服务
123+阅读 · 2020年9月8日
【IJCAJ 2020】多通道神经网络 Multi-Channel Graph Neural Networks
专知会员服务
25+阅读 · 2020年7月19日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
已删除
将门创投
3+阅读 · 2019年11月25日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年3月3日
Arxiv
3+阅读 · 2018年1月31日
VIP会员
相关资讯
已删除
将门创投
3+阅读 · 2019年11月25日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员