Optical camera communication (OCC) has emerged as a key enabling technology for the seamless operation of future autonomous vehicles. By leveraging the supreme performance of OCC, we can meet the stringent requirements of ultra-reliable and low-latency communication (uRLLC) in vehicular OCC. In this paper, we introduce a rate optimization approach in vehicular OCC through optimal power allocation while respecting uRLLC requirements. We first formulate a discrete-rate optimization problem as a mixed-integer programming (MIP) subject to average transmit power and uRLLC constraints for a given set of modulation schemes. To reduce the complexity in solving the MIP problem, we convert the discrete-rate problem into a continuous-rate optimization scheme. Then, we present an algorithm based on Lagrangian relaxation and Bisection method to solve the optimization problem. Considering the proposed algorithm, we drive the rate optimization and power allocation scheme for both discrete-rate and continuous-rate optimization schemes while satisfying uRLLC constraints. We first analyze the performance of the proposed system model through simulations. We then investigate the impact of proposed power allocation and rate optimization schemes on average rate and latency for different target bit error rates. The results show that increasing the transmit power allocation improves the average rate and latency performance.


翻译:光学摄影机通信(OCC)已成为未来自主车辆无缝运行的关键赋能技术。通过利用OCC的最高性能,我们可以满足车辆 OCC 中超可靠和低纬度通信(URLLC)的严格要求。在本文中,我们通过优化电力配置,在车辆 OCC 中引入了节率优化方法,同时尊重 URLLC 的要求。我们首先将离散节率优化方案作为混合整流程序程序(MIP)来设计一个离散节率优化问题,但需视平均传输动力和对特定调制计划的URLLLC限制情况而定。为了降低解决MIP问题的复杂性,我们将离散节率问题转换为持续速率优化计划。然后,我们根据Lagrangeian 放松和分解法提出一种算法,以解决优化问题。考虑到拟议的算法,我们推动离节率和连续节率优化计划(MILC)的节率优化和分流率计划,同时满足URLLC的制约。我们首先通过模拟分析拟议系统模型的性能性能表现。我们先通过降低解决解决离节率问题的复杂性,然后将离节率问题,我们将离节率问题转换为持续节率问题,然后将离节率问题转化为平均分配率问题,我们调查平均分配率分配率分配计划的影响。我们然后调查平均利率分配率分配率和平均分配率计划,然后调查平均分配率计划。我们,然后调查平均分配率计划,然后调查平均利率分配率分配率计划。我们,然后调查平均分差率分配率计划,然后调查平均利率分配率计划,然后调查平均利率分配率计划。我们提高率计划。

0
下载
关闭预览

相关内容

神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2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
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11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
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28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
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年7月4日
Arxiv
0+阅读 · 2022年6月30日
VIP会员
相关资讯
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28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
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员