To allow flexible and cost-efficient network densification and deployment, the integrated access and backhaul (IAB) was recently standardized by the third generation partnership project (3GPP) as part of the fifth-generation new radio (5G-NR) networks. However, the current standardization only defines the IAB for the terrestrial domain, while non-terrestrial networks (NTNs) are yet to be considered for such standardization efforts. In this work, we motivate the use of IAB in NTNs, and we discuss the compatibility issues between the 3GPP specifications on IAB in 5G-NR and the satellite radio regulations. In addition, we identify the required adaptation from the 3GPP and/or satellite operators for realizing an NTN-enabled IAB operation. A case study is provided for a low earth orbit (LEO) satellite-enabled in-band IAB operation with orthogonal and non-orthogonal bandwidth allocation between access and backhauling, and under both time- and frequency-division duplex (TDD/FDD) transmission modes. Numerical results demonstrate the feasibility of IAB through satellites, and illustrate the superiority of FDD over TDD transmission. It is also shown that in the absence of precoding, non-orthogonal bandwidth allocation between the access and the backhaul can largely degrades the network throughput.


翻译:为了实现网络的灵活和经济密集化部署,第三代伙伴关系计划(3GPP)联合第五代新无线电(5G-NR)网络标准化了整合接入与回传(IAB)。然而,目前的标准化仅定义了地面网络的IAB,而且目前并未考虑非地面网络(NTN)的IAB。在本文中,我们提出了在NTN中使用IAB的动机,讨论了3GPP规范在5G-NR中的IAB和卫星无线电规定之间的兼容性问题。此外,我们还确定了实现NTN-enabled IAB操作所需的3GPP和/或卫星运营商的适应方式。我们提供了一个低地球轨道(LEO)卫星启用的带内IAB操作的案例研究,其中包括接入和回传之间的正交和非正交带宽分配,并在时分复用(TDD / FDD)传输模式下进行。数值结果展示了通过卫星实现IAB的可行性,并证明了FDD传输优于TDD传输。同时也表明,在缺乏预编码时,接入和回传之间的非正交带宽分配会严重降低网络吞吐量。

0
下载
关闭预览

相关内容

神经张量网络(NTN)用一个双线性张量层代替一个标准的线性神经网络层,它直接关联了多个维度上的两个实体向量。
Artificial Intelligence: Ready to Ride the Wave? BCG 28页PPT
专知会员服务
26+阅读 · 2022年2月20日
【大规模数据系统,552页ppt】Large-scale Data Systems
专知会员服务
60+阅读 · 2019年12月21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
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24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
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13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
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
国家自然科学基金
1+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
3+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
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年5月18日
VIP会员
相关VIP内容
Artificial Intelligence: Ready to Ride the Wave? BCG 28页PPT
专知会员服务
26+阅读 · 2022年2月20日
【大规模数据系统,552页ppt】Large-scale Data Systems
专知会员服务
60+阅读 · 2019年12月21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
相关资讯
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24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
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13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
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
相关基金
国家自然科学基金
1+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
3+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
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员