Emerging wireless control applications demand for extremely high closed-loop reliability under strict latency constraints, which the conventional Automatic Repeat reQuest (ARQ) solutions with static schedules fail to provide. To overcome this issue and enable data-link layer error control for ultra reliable low-latency communication (URLLC) services, we propose a novel protocol: the Closed-Loop ARQ (CLARQ), which forces to accomplish an information exchange round within a fixed loop-back latency, and dynamically re-allocates the remaining resource between uplink and downlink slots upon the result of last uplink transmission. The proposed method guarantees to meet the latency requirement, while delivering high communication reliability and power efficiency. It can be efficiently offline optimized by means of dynamic programming techniques, and is capable of real-time deployment with a low-cost implementation based on look-up tables. Numerical evaluations have verified that CLARQ outperforms baselines with significantly improved closed-loop reliability and reduced energy consumption. Especially, over a Rayleigh channel with 0dB mean SNR, it is able to provide a closed-loop error rate below 1e-7 within 10ms loop-back latency, which makes our proposal competitive for practical URLLC applications in future 5G-and-beyond networks.


翻译:新的无线控制应用程序在严格的延迟性限制下要求极高的闭路安全可靠性,常规自动重复查询(ARQ)的固定时间表解决方案未能提供。为了克服这一问题,并为超可靠的低长通信(URLLC)服务提供数据链层错误控制,我们提出了一个新颖的协议:闭路通信(CLARQ),该程序迫使在固定的回回路延迟状态内完成信息交流,并动态地重新分配最后上行传输后上行链路和下行链路槽之间的剩余资源。拟议的方法保证满足延线要求,同时提供高通信可靠性和高电效。它可以通过动态程序技术高效率地实现离线层错误控制,并且能够实时部署,同时根据浏览表低成本实施。数字评估已经证实,CLARQ在固定的闭路连接可靠性和减少能源消耗方面大大改进了基线。特别是,在Rayleiley频道上有0B平均值的SNRR,它能够提供满足延绳要求,同时提供高通信可靠性和高电效率。它可以通过动态编程技术手段高效地优化地优化离线,能够实时地部署基于查看1-LFER网络。

0
下载
关闭预览

相关内容

专知会员服务
31+阅读 · 2021年6月12日
专知会员服务
113+阅读 · 2020年10月8日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17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
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+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
已删除
将门创投
4+阅读 · 2018年6月1日
AoI-minimizing Scheduling in UAV-relayed IoT Networks
Arxiv
0+阅读 · 2021年7月9日
Arxiv
0+阅读 · 2021年7月9日
Arxiv
0+阅读 · 2021年7月9日
VIP会员
相关VIP内容
专知会员服务
31+阅读 · 2021年6月12日
专知会员服务
113+阅读 · 2020年10月8日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17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
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+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
相关资讯
已删除
将门创投
4+阅读 · 2018年6月1日
Top
微信扫码咨询专知VIP会员