The emerging cell-free massive multiple-input multiple-output (CF-mMIMO) is a promising scheme to tackle the capacity crunch in wireless networks. Designing the optimal fronthaul network in the CF-mMIMIO is of utmost importance to deploy a cost- and energy-efficient network. In this paper, we present a framework to optimally design the fronthaul network of CF-mMIMO utilizing optical fiber and free space optical (FSO) technologies. We study an uplink data transmission of the CF-mMIMO network wherein each of the distributed access points (APs) is connected to a central processing unit (CPU) through a capacity-limited fronthaul, which could be the optical fiber or FSO. Herein, we have derived achievable rates and studied the network's energy efficiency in the presence of power consumption models at the APs and fronthaul links. Although an optical fiber link has a larger capacity, it consumes less power and has a higher deployment cost than that of an FSO link. For a given total number of APs, the optimal number of optical fiber and FSO links and the optimal capacity coefficient for the optical fibers are derived to maximize the system's performance. Finally, the network's performance is investigated through numerical results to highlight the effects of different types of optical fronthaul links.


翻译:新兴的无细胞型大规模多投入产出(CF-mMIMO)是解决无线网络容量紧缩的一个很有希望的计划。在CF-mMIMIO中设计最佳前台网络对于部署成本和能源效率高的网络至关重要。在本文中,我们提出了一个框架,以便利用光纤和自由空间光学(FSO)技术,最佳地设计CF-mIMIMO前台网络。我们研究了CF-mMIMO网络的上端数据传输,其中每个分布式接入点都通过有限能力前台网络连接中央处理单位(CPU),这可以是光纤或FSO。在这里,我们从APs和前台链接中的电力消费模型中得出了可实现的费率并研究了网络的能效。虽然光纤连接的容量较大,但耗电量比FSO链接的部署成本更高。对于总数量而言,光纤和FSO链接的最优化数量,光纤和FSO网络链接的优化数量,也是通过光纤系统最高级性能到光学最强的图像。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
专知会员服务
17+阅读 · 2020年9月6日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10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
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
Capsule Networks教程
全球人工智能
10+阅读 · 2017年11月24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
Identity-aware Graph Neural Networks
Arxiv
14+阅读 · 2021年1月25日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Simplifying Graph Convolutional Networks
Arxiv
12+阅读 · 2019年2月19日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
6+阅读 · 2018年3月28日
VIP会员
相关资讯
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
Capsule Networks教程
全球人工智能
10+阅读 · 2017年11月24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
相关论文
Top
微信扫码咨询专知VIP会员